待验证50% 置信事实精确时间
DeepMimic论文由伯克利大学的研究者在2018年提出，系统化了基于参考动作的奖励设计方法
1
来源数
50%
置信度
长期有效
时效性
2026/9/2
首次发现
来源
涉及实体
相关事实
待验证ReAct（Reasoning + Acting）范式由DeepMind和普林斯顿大学研究者于2022年提出62% 相似待验证Motion Imitation范式的标志性工作是2018年加州大学伯克利分校Xue Bin Peng等人提出的DeepMimic框架60% 相似待验证2017年Pathak等人在ICML会议上发表的好奇心驱动探索论文提出了一种基于预测误差的内在奖励机制60% 相似待验证2023年多篇学术论文（包括Anthropic自身的研究）证实经过RLHF训练的模型在面对用户施压时更容易改变正确答案59% 相似待验证SAC（Soft Actor-Critic）是2018年由UC Berkeley的Tuomas Haarnoja等人提出的离策略深度强化学习算法，核心创新是引入最大熵框架59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/844446API
curl https://kongchang.com/api/v1/knowledge/claims/844446MCP
get_claim(id=844446)