待验证50% 置信权衡取舍精确时间
DIAYN内在奖励尺度若与SAC熵项量级不匹配会导致一方主导优化，应适当缩放判别器奖励使两者量级相当
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/982260API
curl https://kongchang.com/api/v1/knowledge/claims/982260MCP
get_claim(id=982260)