待验证50% 置信事实精确时间
当环境数从10增到1000时，若hidden_units为512、num_layers为3的MLP容量不足，策略网络会退化为对所有状态输出近似平均的动作，表现为学不动或奖励停滞。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证上界网络规模对Dropout保留概率p呈p^{-9}的九次方依赖，保留概率越低所需网络规模急剧膨胀68% 相似待验证异方差感知的分位数损失扩展在多个骨干网络上进一步超越了原始的分位数损失67% 相似待验证指标驱动优化存在风险：以减少React commit或V8调用次数为目标的agent容易砍掉不影响可交互性的网络请求，导致缓存过度激进而失效不足65% 相似待验证单批次场景下批次大小为1，矩阵乘法计算强度大幅下降，访存带宽成为主要瓶颈，传统为高吞吐优化的GPU架构效率会显著下降64% 相似待验证状态离散化存在权衡：分桶粒度过粗导致信息损失，过细则引发维度灾难，这也是DQN用神经网络替代Q表的核心动机62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1015939API
curl https://kongchang.com/api/v1/knowledge/claims/1015939MCP
get_claim(id=1015939)