待验证50% 置信事实精确时间

循环历史能够主动扩展可用的奖励尺度

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

自发现强化学习揭秘：学习历史是资产还是负担？

涉及实体

循环历史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% 相似待验证贝尔曼方程将长期回报分解为即时奖励加上未来折扣回报的递归关系69% 相似待验证奖励工程本质上是一个高度迭代的过程：设计奖励、观察行为、发现漏洞、修正奖励，反复进行67% 相似待验证在智能体工作流中，历史交互作为输入Token累积，导致总Token消耗随任务轮次呈近似平方级增长66% 相似待验证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66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961087

API

curl https://kongchang.com/api/v1/knowledge/claims/961087

MCP

get_claim(id=961087)