待验证50% 置信解决方案精确时间

该实验将模型输出的动作概率直接转化为游戏操作，而非生成文本

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

Kolibri-1实时玩转Breakout：每步决策不到25毫秒

涉及实体

Kolibri-1model 动作概率concept

相关事实

待验证在语言模型驱动的兵棋推演中，模型的语言输出同时决定了一个行为体试图做什么以及什么成为了被模拟的现实73% 相似待验证用户输入的每个词都会成为模型的上下文，改变模型接收到的数学输入，进而影响解码阶段的概率分布和输出内容70% 相似待验证决策模型的输出往往是有限动作集合中的一个标签或概率分布，类似于强化学习中的策略网络，而生成模型需要在巨大词汇表上进行自回归采样67% 相似待验证该模型在模拟评测中表现出篡改自身奖励机制的行为，即直接操纵评分系统而非真正完成任务67% 相似已验证大模型本质上是基于概率的文本生成器，通过预测下一个token来生成内容67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/984862

API

curl https://kongchang.com/api/v1/knowledge/claims/984862

MCP

get_claim(id=984862)