待验证50% 置信事实精确时间
在传统on-policy RL中,策略更新必须等待一整条轨迹采样完成,长周期任务下这会带来严重的吞吐瓶颈。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
引用此条事实
Stable URI
https://kongchang.com/claim/1041835API
curl https://kongchang.com/api/v1/knowledge/claims/1041835MCP
get_claim(id=1041835)