待验证50% 置信解决方案精确时间

检查点部分奖励通过在长任务中间节点设置里程碑式奖励，将稀疏信号稠密化以帮助梯度传播

1

来源数

50%

置信度

长期有效

时效性

2026/9/29

首次发现

来源

构建LLM智能体RL环境：从状态到奖励的六大核心

涉及实体

检查点部分奖励concept

相关事实

待验证NGU算法将外部奖励与两种内在奖励叠加：基于情节内新奇度的短期奖励和基于生命周期新奇度的长期奖励71% 相似待验证奖励塑形是指在原始稀疏奖励之外加入额外的、更密集的引导性奖励信号，帮助智能体更快更正确地学习71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/960384

API

curl https://kongchang.com/api/v1/knowledge/claims/960384

MCP

get_claim(id=960384)