Unverified50% confidenceFactExact time
研究者将稀疏奖励与密集奖励的校准差异追溯到密集奖励中的'部分得分'项
1
Sources
50%
Confidence
Long-term
Relevance
10/5/2026
First Seen
Sources
Related Entities
Related Claims
Unverified研究表明，提供具体反馈性质的奖励比单纯的物质奖励对内在动机的损害更小74% similarUnverified人类标注者在评估答案时存在信息越丰富越好的认知偏差，导致奖励模型将篇幅与质量隐性挂钩，是模型冗余的成因之一74% similarUnverified奖励塑形能否生效取决于它是否改变了样本间的相对优势，而非绝对奖励值73% similarUnverifiedTRACER 设计层次化奖励，同时在结果层面和轨迹层面给出奖励信号，并结合偏差感知的优势调制以缓解奖励稀疏和信用分配问题73% similarUnverified自我改进最大的风险来自奖励信号本身，若奖励定义不当Agent会优化评估指标而非真实目标（Goodhart's Law的强化学习版本）70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/975476API
curl https://kongchang.com/api/v1/knowledge/claims/975476MCP
get_claim(id=975476)