待验证50% 置信事实精确时间
正则化Q函数指在Q函数更新中引入凸正则项（如熵正则或L2正则），使每个状态-动作对的Q值更新通过正则项与全局策略分布耦合，充当全局稳定器。
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Q值更新遵循贝尔曼方程迭代形式：Q(s,a) ← Q(s,a) + α[r + γ·max Q(s',a') - Q(s,a)]67% 相似待验证QK-Norm通过对Q/K向量做归一化动态约束L2范数来限制logit量级，是大模型训练稳定性的重要进展64% 相似待验证伯努利分布属于指数族，其自然参数与均值参数之间的映射恰好是sigmoid函数，逻辑回归是GLM框架下伯努利分布的规范链接函数选择63% 相似待验证指数族分布的对数归一化函数可充当Bregman散度定义中的凸函数φ，使锚点概率分布模型与表示空间几何度量形成一一对应62% 相似待验证Q-FLAIR 是一种自适应方案，让量子特征映射电路逐门生长，每一步检查训练损失是否改善，一旦增长不再带来收益就停止。60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1012967API
curl https://kongchang.com/api/v1/knowledge/claims/1012967MCP
get_claim(id=1012967)