待验证50% 置信事实精确时间
多巴胺能系统编码的是奖励预测误差，即实际获得的奖励与预期奖励之间的差值，这一机制是时序差分（TD）强化学习算法的生物学对应物
1
来源数
50%
置信度
长期有效
时效性
2026/9/19
首次发现
来源
涉及实体
相关事实
待验证预测误差驱动学习（prediction error-driven learning）是一种认知科学理论，大脑的多巴胺系统对与预期不符的结果会产生更强烈的响应75% 相似待验证预测编码机制中当预测与实际输入一致时神经活动被抑制以节省能量，不一致时误差信号向上传递触发模型更新72% 相似已验证奖励模型的训练可使用Bradley-Terry模型等排序学习框架，训练神经网络预测任意两个回答之间的人类偏好概率，接收(prompt, response)对并输出标量分数70% 相似待验证确定性系统在计算机科学中特指给定相同输入必然产生相同输出的系统，与依赖概率采样的神经网络模型形成本质区别66% 相似待验证神经网络的输入是编码后的9维棋盘状态向量，输出是9个格子最佳落子位置的概率分布，通过交叉熵等分类损失学习65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/935985API
curl https://kongchang.com/api/v1/knowledge/claims/935985MCP
get_claim(id=935985)