待验证50% 置信事实精确时间

研究团队将中继控制问题形式化为约束半马尔可夫决策过程（CSMDP），并采用带掩码的拉格朗日近端策略优化（masked Lagrangian PPO）求解

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

强化学习赋能深空通信：目标导向的中继调度与流控框架

涉及实体

CSMDPconcept Lagrangian PPOtechnology

相关事实

待验证MPC（模型预测控制）源自化工过程控制领域，核心思想是在每个控制周期内基于物理模型求解最优化问题并采用滚动优化机制68% 相似待验证这项工作把过度拒绝问题的分析从静态表征推进到动态注意力机制，属于机制可解释性研究路径65% 相似待验证策略导向的自适应实验设计将实验的信息价值与下游控制决策的改善程度直接挂钩，优先采集最能降低控制策略不确定性的数据65% 相似待验证RLHF遵循先用监督微调（本质是行为克隆）建立基础能力，再用PPO等算法优化人类偏好目标的范式65% 相似待验证一种常见的工程策略是级联模型——先用轻量快速的模型过滤简单表单，再将疑难案例路由至重型精准模型64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002142

API

curl https://kongchang.com/api/v1/knowledge/claims/1002142

MCP

get_claim(id=1002142)