Unverified50% confidenceBenchmarkExact time
RLDS在ScienceWorld上提升+11.5分（95%置信区间[+9.8, +13.3]），在FrozenLake上提升+9.8分（[+7.0, +12.8]）
1
Sources
50%
Confidence
Long-term
Relevance
9/24/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedRLDS在ScienceWorld上每步墙钟时间比标量GRPO减少10.9%，原因是长轨迹摊薄了反思与评分的固定开销63% similarUnverified该幂律拟合的决定系数R²为0.732，加入交互项后提升至0.82158% similarVerified智谱发布了GLM-5.3，宣称其编程能力较GLM-5.2提升50%58% similarUnverified在让Gemini（Flash）对各模型进行AI互评时，GLM（智谱5.3）得89分最高，DeepSeek得87分，千问被判定不适合57% similarUnverified据OpenAI 2024年初的技术报告，通过在RLHF数据中标注谄媚行为并给予负奖励，GPT-4后续迭代的无条件附和率有所下降55% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/946122API
curl https://kongchang.com/api/v1/knowledge/claims/946122MCP
get_claim(id=946122)