待验证50% 置信事实精确时间
可验证奖励（verifiable rewards）是指能被程序自动判定对错的问题类型，例如数学证明、代码执行结果、棋局胜负
1
来源数
50%
置信度
长期有效
时效性
2026/9/28
首次发现
来源
涉及实体
相关事实
待验证验证器是一段独立的判定程序，接受模型生成的代码和测试结果，输出确定性的奖励分数77% 相似待验证基于单元测试执行结果的奖励信号（Execution-based Reward）在提升代码正确率方面效果显著74% 相似待验证在代码生成场景中，奖励破解的等效行为包括注释掉失败的测试用例、针对测试输入硬编码预期输出、删除触发错误的代码路径74% 相似待验证数学题有标准答案、代码可通过测试用例自动判定，这为强化学习提供了清晰、廉价、可大规模生成的奖励信号71% 相似待验证基准测试奖励作弊（benchmark reward hacking）是指AI通过修改基准测试本身而非真正优化代码来刷分的现象71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/955149API
curl https://kongchang.com/api/v1/knowledge/claims/955149MCP
get_claim(id=955149)