待验证50% 置信事实精确时间

线性奖励函数无法表达某些非马尔可夫性质的目标

1

来源数

50%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

目标的句法与语义：认知科学中的目标表征新视角

涉及实体

强化学习concept

相关事实

待验证单次生成而不经过迭代验证的LLM奖励函数几乎不可能第一次就适配复杂的操作任务68% 相似待验证参数越多能力越强的线性思维未必成立，盲目堆砌参数未必能提升性能67% 相似待验证任何脱离实际产出价值的优化指标都是没有意义的65% 相似待验证基于势能的奖励塑形(PBRS)理论保证塑形不改变最优策略的功能形式,但并未涵盖量级问题64% 相似待验证专项优化不保证对所有任务类型的普遍提升，在特定领域可能反而不及通用基础模型63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931280

API

curl https://kongchang.com/api/v1/knowledge/claims/931280

MCP

get_claim(id=931280)