待验证60% 置信事实精确时间
OpenAI的o系列、DeepSeek-R1等模型均大量采用强化学习技术路线（RLHF、GRPO、PPO等）
2
来源数
60%
置信度
长期有效
时效性
2026/7/24
首次发现
来源
引用此条事实
Stable URI
https://kongchang.com/claim/608334API
curl https://kongchang.com/api/v1/knowledge/claims/608334MCP
get_claim(id=608334)