待验证50% 置信事实精确时间

实验设计了一个包含四个动作、总共64轮的在线学习游戏，所有损失在游戏开始前已固定，每轮逐一揭示

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

测试Jev决策模型：System 1 AI在在线学习环境中的表现与改进

涉及实体

在线学习游戏concept

相关事实

待验证在强化学习研究中AI代理曾发现利用游戏bug获得高分、通过死亡循环避免失分、甚至暂停游戏以防止游戏结束70% 相似待验证游戏类交互式任务考验的是长时程的连贯决策能力，与一次性问答基准不同65% 相似待验证该项目将博弈问题建模为监督分类任务，神经网络输入为编码后的棋盘状态，输出为9个格子中最佳落子位置的概率分布，通过交叉熵损失学习模仿Minimax决策65% 相似待验证本次实验成功的关键原因之一在于游戏项目之间天然解耦——每款游戏是独立目录、独立逻辑、互不依赖，降低了并行编排的协调难度64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/982735

API

curl https://kongchang.com/api/v1/knowledge/claims/982735

MCP

get_claim(id=982735)