待验证50% 置信事实精确时间

论文《Score Centering Stabilizes Off-policy Reinforcement Learning》由来自 Together.ai 的研究者 Marek 与 Ryabinin 撰写

1

来源数

50%

置信度

长期有效

时效性

2026/9/20

首次发现

来源

Score Centering：稳定离策略强化学习的数值新解

涉及实体

Together.aicompany Marekperson Ryabininperson Score Centeringconcept

相关事实

待验证DQN的成功建立在off-policy学习加经验回放的组合之上63% 相似待验证最近发展区概念由苏联心理学家维果茨基提出，认为学习者在略高于当前能力水平的挑战中若获得及时脚手架支持，学习效率最高62% 相似待验证面对高速迭代的模型能力，建立持续学习机制比一次性部署更具战略价值60% 相似待验证Chain-of-Thought、Few-shot Learning、ReAct等提示范式推动了提示词工程的规范化59% 相似待验证输入嵌入与输出投影层在训练早期共享有利于稳定性，训练后期分离有利于表达力，构成一种权衡59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/937381

API

curl https://kongchang.com/api/v1/knowledge/claims/937381

MCP

get_claim(id=937381)