已过期60% 置信基准精确时间

在库存管理任务中，RL 策略得分为 194.5，略低于 base-stock 基线的 196.7，但从零重新发现了解析最优的 base-stock 策略

2

来源数

60%

置信度

中期 (~90 天)

时效性

2026/7/15

首次发现

此条事实已过期，仅作历史留存，不再代表当前状态

有效期至：2026/10/13(已过期)

来源

decisionrl：专为运营决策打造的强化学习开源库

相关事实

待验证在库存管理任务中RL学习策略累积回报194.5低于base-stock基线的196.777% 相似待验证通用策略模型π_{0.5}在未经适配的真实部署场景中抓取成功率为0%63% 相似待验证RLCD 的关键改动是把 0/1 奖励替换成适当评分规则（proper scoring rule）60% 相似待验证在性能模型代码构建任务上，除GPT-5.6 Sol外的其他所有模型配置平均通过率低于15%，且多次运行之间波动极大58% 相似待验证当把预算集中投放到反思控制槽位时，即便只用一半的分割预算，成功率也恢复到了0.76158% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/514224

API

curl https://kongchang.com/api/v1/knowledge/claims/514224

MCP

get_claim(id=514224)