待验证50% 置信注意事项精确时间
RL训练时不应把测试用例展示给模型，否则可能出现奖励黑客（reward hacking）通过读答案或入侵系统作弊
1
来源数
50%
置信度
长期有效
时效性
2026/10/6
首次发现
来源
涉及实体
引用此条事实
Stable URI
https://kongchang.com/claim/982183API
curl https://kongchang.com/api/v1/knowledge/claims/982183MCP
get_claim(id=982183)