待验证50% 置信事实精确时间

行为克隆存在分布偏移（Distribution Shift）问题：训练时策略只接触专家轨迹覆盖的状态分布，部署时微小偏差累积会使实际访问的状态分布逐渐偏离训练分布

1

来源数

50%

置信度

长期有效

时效性

2026/8/17

首次发现

来源

机械手抓取任务失败？强化学习新手常见陷阱与解决方案

相关事实

待验证训练-部署鸿沟指模型因训练与部署环境的数据分布偏移、软件依赖版本差异或硬件指令集不同而导致的性能下降76% 相似待验证针对特定工具做专项强化训练的副作用是对非训练分布工具的泛化能力下降，学术上称为分布外泛化失败76% 相似待验证训练指标的周期性波动往往与训练数据的遍历方式有关，若每个epoch数据顺序固定或困难样本固定位置出现会导致规律性起伏73% 相似待验证对于MoE模型，路由层中两个专家得分极为接近时，微小数值差异可能翻转专家选择结果，导致分布式训练崩溃72% 相似待验证参数量相似的情况下，训练数据质量分布的差异往往比架构差异更能决定特定场景的表现上限72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/763754

API

curl https://kongchang.com/api/v1/knowledge/claims/763754

MCP

get_claim(id=763754)