待验证50% 置信事实精确时间
离策略强化学习复用旧策略生成的样本，带来效率优势但引入分布偏移与梯度估计的高方差问题
1
来源数
50%
置信度
长期有效
时效性
2026/9/20
首次发现
来源
涉及实体
相关事实
待验证学习式优化器面临分布漂移挑战，冷启动问题需要先用传统优化器积累执行样本才能切换到学习式方案78% 相似待验证应对长尾分布的常见策略包括过采样（如SMOTE）、欠采样、类别权重调整、Few-shot Learning及利用大模型零样本能力兜底77% 相似待验证小模型在分布内高性能的同时存在分布外脆弱性，一旦推理时的工具描述措辞、参数命名或用户查询风格偏离训练集，成功率可能显著下滑76% 相似已验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减76% 相似已验证仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/937384API
curl https://kongchang.com/api/v1/knowledge/claims/937384MCP
get_claim(id=937384)