待验证50% 置信事件精确时间

2009年马里奥AI竞赛吸引全球研究团队用强化学习、A*搜索等方法挑战关卡通关

1

来源数

50%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

LeMario：用超级马里奥训练JEPA世界模型的开源实践

相关事实

待验证在线强化学习面临探索-利用权衡问题，Agent需在利用已知有效策略和尝试新行为之间取得平衡62% 相似待验证GLEE竞赛对技术路线高度开放，参赛者可自由选择提示工程、规划、微调、对手建模、博弈论方法等实现方式58% 相似待验证OpenAI和Anthropic等公司通过收集人类标注员对模型输出的偏好排序数据，训练奖励模型，再用PPO等强化学习算法微调语言模型进行安全对齐57% 相似待验证强化学习训练游戏的关键瓶颈往往不是算法，而是环境交互速度57% 相似待验证2010年代的自适应学习平台借助贝叶斯知识追踪算法动态调整题目难度57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/556730

API

curl https://kongchang.com/api/v1/knowledge/claims/556730

MCP

get_claim(id=556730)