待验证50% 置信事实精确时间

强化学习框架最早由Richard Bellman在1950年代提出

1

来源数

50%

置信度

长期有效

时效性

2026/9/7

首次发现

来源

奖励塑形为何反而加剧奖励黑客？网格世界实验揭示量级失衡陷阱

涉及实体

Richard Bellmanperson 强化学习concept

相关事实

待验证Richard Bellman在20世纪50年代提出了动态规划理论和Bellman方程，至今仍是几乎所有RL算法的数学基础75% 相似待验证马尔可夫决策过程（MDP）由 Richard Bellman 于1950年代提出，是运筹学的核心工具之一74% 相似待验证维度灾难由Richard Bellman于1957年在动态规划研究中首次提出71% 相似待验证人工智能作为学科的正式诞生可追溯至1956年的达特茅斯会议，由约翰·麦卡锡、马文·明斯基等人提出61% 相似待验证发散—收敛思维模型由心理学家 J.P. Guilford 在 1950 年代提出61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/871624

API

curl https://kongchang.com/api/v1/knowledge/claims/871624

MCP

get_claim(id=871624)