待验证50% 置信事实精确时间

长程信用分配问题通常通过折扣回报（折扣因子γ）缓解，但γ越接近1会导致梯度估计方差增大、训练不稳定

1

来源数

50%

置信度

长期有效

时效性

2026/9/16

首次发现

来源

Factoriax：GPU并行化的工厂类强化学习研究环境

涉及实体

强化学习concept 折扣回报concept

相关事实

待验证现实任务中的奖励往往极度稀疏且延迟，导致长时间跨度的信用分配问题使智能体难以判断哪一步动作导致最终结果73% 相似已验证单纯增加模型参数和训练数据的边际收益正在递减，即'Scaling Law放缓'现象71% 相似待验证在Meta-RL设定下奖励信号极度稀疏且延迟严重，带来巨大的信用分配难题69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/927183

API

curl https://kongchang.com/api/v1/knowledge/claims/927183

MCP

get_claim(id=927183)