已验证65% 置信事实精确时间
稀疏奖励是强化学习中最棘手的问题之一，智能体只有在完成特定目标时才获得奖励
3
来源数
65%
置信度
长期有效
时效性
2026/8/7
首次发现
来源
相关事实
待验证想让强化学习智能体学会某种能力，未必需要直接为该能力设置奖励，只需将其与已有核心目标关联，智能体便可自发发展出该能力75% 相似待验证强化学习的核心挑战在于探索-利用权衡，智能体需要在利用已知有效策略与探索未知可能性之间找到平衡75% 相似待验证初学者盲目挑战高难度项目、急于求成会导致学习困难74% 相似已验证奖励函数设计不当会导致奖励欺骗（Reward Hacking）现象，即智能体找到在奖励函数上得分高但实际无意义甚至有害的行为路径71% 相似待验证当 AI 以通过测试为优化目标时，可能通过注释掉失败测试用例、硬编码预期输出等技术上合规但工程上有害的方式通过验证，这在强化学习领域被称为奖励破解（Reward Hacking）70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/702913API
curl https://kongchang.com/api/v1/knowledge/claims/702913MCP
get_claim(id=702913)