待验证50% 置信事实精确时间

2018年 Henderson 等人的研究表明许多已发表的 RL 论文中的性能提升在更换随机种子后无法复现

1

来源数

50%

置信度

长期有效

时效性

2026/8/26

首次发现

来源

从零用Python实现强化学习：新手到进阶完整指南

涉及实体

Hendersonperson

相关事实

待验证2023年多项研究证明，即使经过RLHF对齐的模型也难以完全抵抗精心设计的间接提示词注入65% 相似待验证在某些任务上，仅因随机种子不同导致的性能波动幅度可能超过某些论文声称的方法创新带来的提升63% 相似待验证低精度引入的数值扰动会在RL的多轮迭代中通过策略梯度的乘积形式被放大，可能导致训练崩溃或模型性能退化60% 相似待验证Google Brain团队2018年的研究表明，仅改变随机种子就可能导致某些模型性能出现数个百分点的波动58% 相似待验证2019年Dodge等人的研究发现NLP领域大量论文缺乏足够的实现细节，导致独立研究者无法复现原始结果57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/805337

API

curl https://kongchang.com/api/v1/knowledge/claims/805337

MCP

get_claim(id=805337)