待验证50% 置信事实精确时间
变分量子电路（VQC）由一系列带可调参数的量子门构成，通过经典优化器迭代更新这些参数以最小化损失函数，可训练参数通常对应量子门（如RX、RY、RZ）的旋转角度。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
量子机器学习做内容推荐：参数量仅为BiLSTM的1/379
rss2026/10/15
涉及实体
相关事实
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。75% 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66% 相似待验证DQN的理论基础是Q-learning，一种无模型强化学习算法，核心是学习Q函数Q(s,a)表示状态s下执行动作a的期望累积折扣奖励65% 相似待验证QMIX由牛津大学提出，采用集中式训练-分布式执行（CTDE）范式，通过混合网络将各智能体局部Q值单调组合为全局Q值64% 相似待验证Qwen3采用四阶段训练流程，在后期专门针对混合推理能力进行对齐微调64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046751API
curl https://kongchang.com/api/v1/knowledge/claims/1046751MCP
get_claim(id=1046751)