已过期50% 置信基准精确时间
在作者提供的CPU复现对比数据中，RL策略在六个任务中的五个上击败了朴素基线
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/17
首次发现
有效期至：2026/10/15(已过期)
来源
相关事实
待验证ReAct框架在任务链超过5-7个工具调用节点时存在明显的错误累积效应，每个节点的输出误差会在后续节点中被放大59% 相似待验证GLM-4.6在推理模式下工具调用失效，评测团队不得不禁用推理模式才能让其正常运行57% 相似已验证RLHF标注偏差导致模型习得取悦评估者的写作模板，这一现象被称为奖励黑客(reward hacking)的一种变体54% 相似已验证自注意力机制通过Query、Key、Value三个矩阵的点积运算，突破了RNN/LSTM因顺序计算导致的并行化瓶颈54% 相似待验证RetinaNet提出的Focal Loss有效解决了单阶段检测器中正负样本不平衡问题，这一思想也被后续YOLO版本吸收。54% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/543521API
curl https://kongchang.com/api/v1/knowledge/claims/543521MCP
get_claim(id=543521)