待验证50% 置信事实精确时间

奖励塑形方法最早由Andrew Ng等人在1999年的论文《Policy Invariance Under Reward Transformations》中系统化

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

Andrew Ngperson 奖励塑形concept Policy Invariance Under Reward Transformationsconcept

相关事实

待验证「承诺机制」（Commitment Device）由诺贝尔经济学奖得主理查德·塞勒和卡斯·桑斯坦在《助推》中系统化阐述63% 相似待验证禀赋效应（Endowment Effect）由塞勒（Richard Thaler）于1980年提出，指人们对已拥有之物的估值系统性高于尚未拥有的同等物品58% 相似待验证PEG指标由彼得·林奇在其1989年著作《彼得·林奇的成功投资》中系统阐述并推广58% 相似待验证策略梯度定理由Sutton等人在1999年正式提出57% 相似待验证承诺机制（Commitment Device）概念由理查德·塞勒和卡斯·桑斯坦在《助推》中系统化阐述56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/871625

API

curl https://kongchang.com/api/v1/knowledge/claims/871625

MCP

get_claim(id=871625)