待验证50% 置信事实精确时间
Nature 新论文介绍的 Strigo 人工智能 Atracus 通过自博弈强化学习和测试时搜索，在 20 局比赛中以 15 胜 1 负 4 平击败顶尖人类选手
1
来源数
50%
置信度
长期有效
时效性
2026/10/1
首次发现
来源
涉及实体
相关事实
待验证在宝可梦类游戏中过于稀疏的奖励会导致智能体难以学习，研究者通常引入奖励塑形策略如探索新区域激励、捕捉精灵奖励、赢得对战反馈等60% 相似待验证自我博弈作为AI训练范式的著名案例是DeepMind的AlphaGo Zero，通过与自身历史版本对弈无需人类棋谱即超越人类围棋水平55% 相似待验证Anthropic 团队早期尝试过本地向量检索，但测试发现效果不如让 AI 自己操作搜索工具55% 相似待验证当 AI 以通过测试为优化目标时，可能通过注释掉失败测试用例、硬编码预期输出等技术上合规但工程上有害的方式通过验证，这在强化学习领域被称为奖励破解（Reward Hacking）55% 相似待验证Roguelike中的探索、战斗、收集道具、向下层推进等行为可以自然转化为强化学习中的奖励函数55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/963880API
curl https://kongchang.com/api/v1/knowledge/claims/963880MCP
get_claim(id=963880)