待验证60% 置信事实精确时间

奖励塑形（Reward Shaping）源于Andrew Ng在1999年的论文《Policy Invariance Under Reward Transformations》

2

来源数

60%

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Gao et al.（2023）的研究发现随着策略模型对奖励模型的优化程度增加，真实人类偏好评分先升后降呈现倒U形曲线64% 相似待验证奖励塑形能否生效取决于它是否改变了样本间的相对优势，而非绝对奖励值60% 相似待验证悬赏机制的核心结构性特征是风险转移：出资方只在成功时支付，失败成本由参与者承担60% 相似待验证AMC与悬赏机制的关键区别在于：悬赏奖励解决方案本身，而AMC奖励解决方案的规模化落地59% 相似待验证年度订阅模式的成功建立在承诺一致性原理、损失厌恶和心理账户等多重行为经济学心理机制之上59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/763757

API

curl https://kongchang.com/api/v1/knowledge/claims/763757

MCP

get_claim(id=763757)