待验证50% 置信权衡取舍精确时间

过于细碎的中间奖励可能引导智能体只追求局部目标而忽视全局最优解

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

待验证在大多数复杂优化问题中，贪心策略会陷入局部极值而非全局极值79% 相似待验证在避障任务中若碰撞惩罚过重而前进奖励不足，智能体会学会停下来不动作为局部最优解76% 相似待验证对于技能构成单一、反馈相对密集的任务，细粒度奖励分解的价值有限76% 相似待验证传统上以任务完成度为核心的评估指标可能无法捕捉智能体在集体层面上的策略性行为75% 相似待验证范围蔓延是智能体群体的故障模式：每个局部决策看似合理，但累积结果是没人想要的，智能体越多发生越快74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/960385

API

curl https://kongchang.com/api/v1/knowledge/claims/960385

MCP

get_claim(id=960385)