Unverified50% confidenceCautionExact time
训练器与推理引擎之间的数值不一致（train-inference mismatch）是导致RL训练不稳定、策略退化的常见隐患
1
Sources
50%
Confidence
Long-term
Relevance
9/24/2026
First Seen
Sources
Related Entities
Related Claims
Verified仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力78% similarUnverified低精度引入的数值扰动会在RL的多轮迭代中通过策略梯度的乘积形式被放大，可能导致训练崩溃或模型性能退化76% similarUnverified模型错误可归因于知识缺失、推理能力不足或指令跟随偏差，分别对应补充预训练数据、引入思维链训练数据和优化SFT数据分布等修复路径76% similarUnverified自回归模型存在暴露偏差（exposure bias）问题，训练时看到真实前缀但推理时面对自己生成的错误前缀导致误差累积73% similarUnverifiedLLM的非确定性（相同输入可能产生不同输出）与测试领域对可重复性的要求存在根本冲突，是AI测试Agent工程化的核心挑战72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/945485API
curl https://kongchang.com/api/v1/knowledge/claims/945485MCP
get_claim(id=945485)