待验证50% 置信事实精确时间
FADE（Factored Ability–Difficulty Estimation）是一种通过双线性状态空间滤波将模型能力漂移与提示固有难度分离的RLVR在线调度方法。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
FADE：解耦能力与难度的在线RLVR调度新方法
rss2026/11/2
涉及实体
相关事实
待验证在RLHF和生成模型微调中，算法设计应直接针对分布匹配目标，利用采样遗憾的对数级收敛特性构建更高效的训练流程。67% 相似待验证FactorSplat 是一种按场景训练的 N 维高斯泼溅（N-DGS）代理，能在推理阶段直接接受区域特定的强度到RGBA曲线，无需重新训练即可改变外观66% 相似待验证RLCD（Reinforcement Learning for Calibrated Decisions）是 TypeSafe 的产品 Jev 背后的方法，旨在解决 RLVR 忽视置信度的问题65% 相似待验证RLAIF通过让AI模型自动生成偏好标注数据，突破人工标注的速度瓶颈65% 相似待验证线性探针接在VGGT的融合层特征上，只需学习一个权重向量即可输出图像对是否会失败的分数。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130317API
curl https://kongchang.com/api/v1/knowledge/claims/1130317MCP
get_claim(id=1130317)