待验证50% 置信基准精确时间

RLDS在ScienceWorld上提升+11.5分（95%置信区间[+9.8, +13.3]），在FrozenLake上提升+9.8分（[+7.0, +12.8]）

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

RLDSconcept ScienceWorldproduct FrozenLakeproduct

相关事实

待验证RLDS在ScienceWorld上每步墙钟时间比标量GRPO减少10.9%，原因是长轨迹摊薄了反思与评分的固定开销63% 相似待验证该幂律拟合的决定系数R²为0.732，加入交互项后提升至0.82158% 相似已验证智谱发布了GLM-5.3，宣称其编程能力较GLM-5.2提升50%58% 相似待验证在让Gemini（Flash）对各模型进行AI互评时，GLM（智谱5.3）得89分最高，DeepSeek得87分，千问被判定不适合57% 相似待验证据OpenAI 2024年初的技术报告，通过在RLHF数据中标注谄媚行为并给予负奖励，GPT-4后续迭代的无条件附和率有所下降55% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946122

API

curl https://kongchang.com/api/v1/knowledge/claims/946122

MCP

get_claim(id=946122)