待验证50% 置信事实精确时间

经典的 baseline 减方差技巧利用了「减去任意不依赖动作的量不改变梯度期望」这一性质

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

baselineconcept

相关事实

待验证从回报中减去任何不依赖于动作的基线函数b(s)不会改变梯度估计的期望值但可以降低方差75% 相似待验证为几个百分点的榜单差距进行定向优化是本末倒置，评估模型时不应盲目迷信榜单排名72% 相似待验证在实践中优先明确约束与停止条件这两个负向维度，比精心描述正向目标更能快速压制冗余输出72% 相似待验证传统梯度下降方法（如SGD、Adam）要求目标函数可微且连续，在面对离散、非凸、多模态问题时容易陷入局部最优72% 相似已验证梯度下降通过沿着损失函数梯度的反方向迭代调整权重使预测误差逐步收敛72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/937387

API

curl https://kongchang.com/api/v1/knowledge/claims/937387

MCP

get_claim(id=937387)