待验证50% 置信事实精确时间
电脑使用智能体的预判通常基于离散状态转移，可用规则或世界模型精确模拟；物理预判需要处理连续状态、接触力学与材质不确定性，误差会随动作链累积。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证物理模型与数据驱动模型的结合在机器人领域被称为「混合建模」或「残差学习」，典型方式是物理模型给出基准预测、神经网络学习残差误差72% 相似待验证乒乓球机器人的落点预测通常依赖物理模型与数据驱动模型的结合，物理模型基于空气阻力、重力和马格努斯力进行数值积分，数据驱动模型补偿难以建模的因素71% 相似已验证由于大语言模型基于概率采样，即便指令写在上下文中，模型仍可能在复杂推理链中遗忘或跳过某些指令，这被称为指令遵循的不稳定性71% 相似待验证通过保持场景不变、只替换关键对象的对比实验，可以在受控条件下观察模型的物理推理能力70% 相似待验证智能体保真度衡量模型能否准确复现人的姿态、运动轨迹与行为意图；物体保真度衡量模型能否正确预测物体在外力或交互作用下的状态变化。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084007API
curl https://kongchang.com/api/v1/knowledge/claims/1084007MCP
get_claim(id=1084007)