待验证50% 置信事实精确时间

奖励函数是强化学习的核心组件，用于定义什么行为应该被鼓励、什么应该被惩罚

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

规范博弈与AI对齐：从AI「钻空子」中找到安全对齐新思路

涉及实体

强化学习concept 奖励函数concept

相关事实

待验证Reinforcement learning learns decision-making strategies by interacting with an environment and receiving reward signals.71% 相似待验证逆强化学习试图从演示中推断出奖励函数，理论上更优雅但计算成本更高68% 相似待验证早期强化学习领域的Agent依赖人工设计的奖励函数在封闭环境中学习策略68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893060

API

curl https://kongchang.com/api/v1/knowledge/claims/893060

MCP

get_claim(id=893060)