待验证50% 置信事实精确时间

探索-利用平衡是强化学习的基础性张力，智能体既需利用已知有效策略获取奖励，又需探索未知区域发现更优解

1

来源数

50%

置信度

长期有效

时效性

2026/9/15

首次发现

来源

强化学习训练LLM：用"永不放弃"策略攻克难题

涉及实体

探索-利用平衡concept 强化学习concept

相关事实

待验证在线强化学习面临探索-利用权衡问题，Agent需在利用已知有效策略和尝试新行为之间取得平衡77% 相似已验证强化学习中的智能体不依赖标注数据，而是通过与环境的持续交互，依据奖励信号不断调整策略72% 相似待验证缓解奖励设计问题的策略包括逆向强化学习、内在动机方法和约束强化学习71% 相似待验证强化学习中策略网络通过最大化累积奖励来优化参数，具有信息瓶颈特性，倾向于只编码对任务目标有用的信息69% 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/924070

API

curl https://kongchang.com/api/v1/knowledge/claims/924070

MCP

get_claim(id=924070)