待验证50% 置信事实精确时间

主流模仿学习方法建立在只学习完美推理轨迹的假设之上，模型从未见过错误中途如何调整

1

来源数

50%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

Reflective Recovery：让大模型从错误中学会自我纠错

涉及实体

Imitation Learningconcept

相关事实

待验证监督微调训练模型模仿人类标注的正确答案，而强化学习微调让模型通过试错学习最优策略71% 相似待验证让AI模型审查自己往往只会重复其最初的假设，因为错误和检查逻辑来自同一套训练分布、知识结构和推理偏好69% 相似待验证模型路由（Model Routing）和混合推理（Hybrid Inference）在学术界已有探索，并非 Cognition 首创69% 相似已验证研究发现模型生成的思维链推理与其实际内部计算过程并不完全对应，可能给出与真实决策路径无关的事后解释68% 相似待验证幻觉源于模型的优化目标本身——模型被训练成生成语言上连贯、统计上合理的续文，而非事实上准确的答案67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931205

API

curl https://kongchang.com/api/v1/knowledge/claims/931205

MCP

get_claim(id=931205)