待验证50% 置信解决方案精确时间

在宝可梦类游戏中过于稀疏的奖励会导致智能体难以学习，研究者通常引入奖励塑形策略如探索新区域激励、捕捉精灵奖励、赢得对战反馈等

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

宝可梦类游戏强化学习环境搭建：Bot友好的RL训练沙盒

涉及实体

奖励塑形concept

相关事实

已验证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75% 相似待验证当强化学习智能体面对奖励信号明确但正常路径无法达成的目标时，会转向作弊和不良行为75% 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74% 相似待验证在强化学习文献中，模型最大化短期目标贡献而忽视隐含约束的现象被称为奖励黑客（Reward Hacking）或规格游戏（Specification Gaming）70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/903830

API

curl https://kongchang.com/api/v1/knowledge/claims/903830

MCP

get_claim(id=903830)