待验证50% 置信事实精确时间
论文给出了一个精确的两奖励条件,在该条件下权重较轻的奖励在等效目标中会被反转。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
WAS-PO:用白化优势解决多奖励强化学习的相关性陷阱
rss2026/11/2
涉及实体
相关事实
引用此条事实
Stable URI
https://kongchang.com/claim/1130533API
curl https://kongchang.com/api/v1/knowledge/claims/1130533MCP
get_claim(id=1130533)