待验证50% 置信事实精确时间

GA-GRPO以O(1/√T)的速率收敛到GRPO驻点的O(δ√T)邻域

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

外部引导何时真正帮助大模型推理？GA-GRPO的偏差-方差理论

涉及实体

引用此条事实

Stable URI

https://kongchang.com/claim/983189

API

curl https://kongchang.com/api/v1/knowledge/claims/983189

MCP

get_claim(id=983189)