待验证50% 置信基准精确时间

作者使用相同随机种子进行五次独立 PPO 训练，产生完全一致的学习曲线，策略检查点哈希值 100% 相同

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

GzDRL：在Gazebo中直接跑强化学习的开源框架

涉及实体

GzDRLproduct PPOconcept

相关事实

待验证作者建议的组合策略是用至少5个随机种子分别训练基线和提出方法，报告准确率均值和标准差配合配对检验，并对代表性种子额外运行 McNemar 检验展示样本级预测分歧76% 相似待验证通过固定随机种子（Seed）可以提升测试的确定性65% 相似待验证MementoGUI的训练数据自动标注管道中，研究人员随机抽取200条轨迹做人工验证，197条被判定完全正确64% 相似待验证所谓随机抽取APK其实会做针对性筛选，确保案例难度适中具备教学价值64% 相似待验证设置probability=True会使sklearn在每次fit()时内部额外执行5次交叉验证的SVM训练63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/905432

API

curl https://kongchang.com/api/v1/knowledge/claims/905432

MCP

get_claim(id=905432)