待验证50% 置信事实精确时间

RLCD的奖励归一化机制将带噪声的得分函数项放大了3.6到15倍，是其性能差距的主要原因

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

从检索到类型化决策：生物医学句编码器的System One模型解析

涉及实体

相关事实

待验证RLDS在HotpotQA和DeepResearch上的提升处于噪声范围内，与这两个任务可回收信息不多的诊断预测一致71% 相似待验证研究表明在干净测试集上得分相近的两个模型面对带噪声真实输入时性能差距可能扩大数倍69% 相似待验证使用无偏的留一法（leave-one-out）估计器能够恢复RLCD大部分性能差距67% 相似待验证批次归一化层在小批次场景下统计量估计噪声很大，与Dice损失的区域级计算特性叠加会放大预测概率分布的波动67% 相似待验证14倍的提升由多因子叠加而来：批处理贡献3-4倍、内存优化贡献1.5-2倍、会话复用与线程调优再叠加若干67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975541

API

curl https://kongchang.com/api/v1/knowledge/claims/975541

MCP

get_claim(id=975541)