待验证50% 置信事实精确时间
自回归生成系统训练采用Teacher Forcing策略，推理阶段切换为自回归模式后产生分布偏移导致误差累积放大
1
来源数
50%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
GPT-5.6 Ultra子Agent架构解析与AI行业十大动向
bilibili竹言见智2026/6/29
相关事实
待验证测试时计算范式的核心思想是将资源从训练阶段转移到生成答案过程，通过消耗更多推理算力换取更高质量输出74% 相似待验证分布漂移是行为克隆的核心缺陷，因训练数据全部来自正确操作轨迹，模型未见过犯错后如何恢复的场景74% 相似待验证行为克隆（Behavioral Cloning）作为最基础的模仿学习方法存在复合误差（Compounding Error）问题，模型在训练分布之外的状态上容易产生级联失败73% 相似待验证监督微调训练模型模仿人类标注的正确答案，而强化学习微调让模型通过试错学习最优策略72% 相似待验证蒸馏训练范式导致开源模型学习到经过高度过滤、几乎不包含失败和纠错过程的数据分布，使模型形成不愿自我纠正的性格72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/278949API
curl https://kongchang.com/api/v1/knowledge/claims/278949MCP
get_claim(id=278949)