Unverified60% confidenceBenchmarkExact time
在库存管理任务中，RL 策略得分为 194.5，略低于 base-stock 基线的 196.7，但从零重新发现了解析最优的 base-stock 策略
2
Sources
60%
Confidence
Medium-term (~90 days)
Relevance
7/15/2026
First Seen
Valid until: 10/13/2026
Sources
Related Claims
Unverified在库存管理任务中RL学习策略累积回报194.5低于base-stock基线的196.777% similarUnverifiedRLCD 的关键改动是把 0/1 奖励替换成适当评分规则（proper scoring rule）60% similarUnverified在性能模型代码构建任务上，除GPT-5.6 Sol外的其他所有模型配置平均通过率低于15%，且多次运行之间波动极大58% similarUnverified当把预算集中投放到反思控制槽位时，即便只用一半的分割预算，成功率也恢复到了0.76158% similarUnverified在代码补全、函数改写等结构化任务上，中低端模型与顶级模型的输出质量差距通常在5%以内57% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/514224API
curl https://kongchang.com/api/v1/knowledge/claims/514224MCP
get_claim(id=514224)