待验证50% 置信事实精确时间

斯金纳发现当奖励以不可预测的间隔出现时（变比率强化），被试会产生最顽固、最难消退的行为

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

Jeremy Howard：AI编程像老虎机，赢面只是伪装的损失

涉及实体

B.F.斯金纳person 变比率强化concept

相关事实

待验证奖励函数设计中稀疏奖励容易让训练停滞，引入距离缩短等密集奖励信号能加速收敛75% 相似待验证现实任务中的奖励往往极度稀疏且延迟，导致长时间跨度的信用分配问题使智能体难以判断哪一步动作导致最终结果73% 相似待验证追求极致吞吐往往以牺牲单请求延迟为代价，吞吐量与延迟指标相互制约72% 相似待验证奖励函数越精确复杂就越难以优化，越简单可优化就越容易被利用，这一两难使得从根本上消除奖励黑客极为困难71% 相似待验证扭蛋的随机抽取消费逻辑利用不确定性激发重复消费，心理学上称之为可变比率强化（Variable Ratio Reinforcement）71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/997890

API

curl https://kongchang.com/api/v1/knowledge/claims/997890

MCP

get_claim(id=997890)