待验证50% 置信事实精确时间
Dreamer V1的损失函数由重建项、KL散度项和奖励预测项加权求和构成：重建项通常用均方误差或负对数似然，奖励预测项用交叉熵或MSE。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证Dreamer V1与无模型方法相比的样本效率优势来自对观测的压缩复用；与早期基于像素重建的模型相比，它直接在潜在状态上做预测，避免了把容量浪费在无关细节上。69% 相似待验证Dreamer 系列（DreamerV1/V2/V3）通过引入离散潜在变量和改进的世界模型损失函数，将世界模型框架推向更复杂的连续控制任务68% 相似待验证ELBO损失函数由重建损失和KL散度两部分组成，前者确保生成质量，后者约束潜在分布的正则性67% 相似待验证Dreamer V1的世界模型由表示模型、转移模型、奖励预测头和观测预测头四部分组成，均构建在RSSM之上，分别对应后验推断、先验预测与监督信号生成。67% 相似待验证将预测与分配分离——让模型只对每个动作单独预测损失(Noul预测)，再用确定性规则(argmin或softmin)完成分配——带来了实质性改进65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1011062API
curl https://kongchang.com/api/v1/knowledge/claims/1011062MCP
get_claim(id=1011062)