待验证50% 置信事实精确时间

SDAE通过反思（reflection）标记来定位哪一步对某个子任务执行有关键影响，将梯度集中引导至这些位置

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

RLDS：用子任务分解重构强化学习信用分配

涉及实体

相关事实

待验证面对目标漂移应强化任务锚定，面对状态漂移应频繁重新观测真实环境，面对策略漂移应引入循环检测和策略切换机制69% 相似待验证SDAE的工作流程分三步：根据固定子任务分类体系拆分奖励、分子任务计算组相对优势、按重要性加权分配token级信用68% 相似待验证可观测性要求记录每一步动作和工具的输入输出并留痕，以便出错时回放定位问题67% 相似待验证判断模型是否退步应固定输入入口、固定提示词、固定任务做横向对比，而非凭主观感受67% 相似待验证高阶智能体引入了 ReAct（推理+行动）或多步规划能力，能自行分解目标、动态选择工具、根据中间结果调整后续步骤66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946120

API

curl https://kongchang.com/api/v1/knowledge/claims/946120

MCP

get_claim(id=946120)