已验证70% 置信事实精确时间
决策模型的输出往往是有限动作集合中的一个标签或概率分布,类似于强化学习中的策略网络,而生成模型需要在巨大词汇表上进行自回归采样
4
来源数
70%
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
待验证决策模型通常通过监督学习或强化学习,在带标签的历史决策数据上拟合输入到动作的映射关系。80% 相似待验证一种常见的启发式做法是训练一个模型从决策预测结果,并将其系数或特征重要性作为各决策影响力的代理,但作者证明这并不总是成立,当模型设定有误或预测能力不足时估计就会失真。79% 相似待验证决策模型通常基于强化学习或基于偏好的优化方法,直接以在环境中选取最优动作为优化目标,而 LLM 以语言预测为核心任务,决策能力是涌现的副产品78% 相似待验证当预测模型参与出院决策时,决策产生的数据会反过来强化模型偏差,形成恶性循环。78% 相似已验证生成式决策模型每次调用都需要把当前情境和所有可选项一起送入模型处理,可选项越多计算量越大77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/957584API
curl https://kongchang.com/api/v1/knowledge/claims/957584MCP
get_claim(id=957584)