待验证60% 置信事实精确时间
奖励塑形技术由Andrew Ng等人在1999年的论文中进行了理论化分析，证明了在保持最优策略不变的前提下如何安全地进行奖励塑形
2
来源数
60%
置信度
长期有效
时效性
2026/8/9
首次发现
来源
相关事实
待验证1999年Ng、Harada与Russell在ICML证明，只有基于势函数的奖励塑形（F(s,s')=γΦ(s')-Φ(s)）才能保证不改变最优策略62% 相似待验证基于势函数的奖励塑形（Ng 等人，1999）经理论证明不会改变最优策略，其形式为 F = γΦ(s') - Φ(s)62% 相似待验证研究从理论层面刻画了所产生探索准则的渐近行为，并推导了在优化策略下实际物理系统的性能表现60% 相似待验证斯图尔特·罗素在2019年出版的《与人共生》（Human Compatible）中系统论证了不确定性回报函数的重要性60% 相似待验证OpenAI声称其内部模型解决了纳维-斯托克斯方程相关的千禧年大奖难题，并给出了解析证明与Lean形式化证明58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/718198API
curl https://kongchang.com/api/v1/knowledge/claims/718198MCP
get_claim(id=718198)