待验证50% 置信事实精确时间

Reflective Recovery的思路在强化学习领域类似于利用失败轨迹进行离轨策略（off-policy）学习

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

Reflective Recoveryconcept

相关事实

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GAIL借鉴GAN思想用对抗训练隐式恢复专家行为分布，理论基础是将模仿学习转化为占用度量匹配问题，但受GAN模式崩塌问题影响训练稳定性71% 相似待验证适合恢复后期维持训练和日常体态改善，但康复进度追踪机制通常较粗放，多依赖教练主观判断而非标准化量表69% 相似待验证DQN的成功建立在off-policy学习加经验回放的组合之上68% 相似待验证康复进度应有可量化的追踪机制（每2-4周复测ROM、肌力、功能测试如单腿跳测试LSI），无客观复测、仅凭'感觉好点了'推进的课程质量存疑68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931207

API

curl https://kongchang.com/api/v1/knowledge/claims/931207

MCP

get_claim(id=931207)