待验证50% 置信事实精确时间

时序差分（TD）残差定义为即时奖励加上折扣后的下一状态价值估计，再减去当前状态的价值估计。

1

来源数

50%

置信度

长期有效

时效性

2026/10/22

首次发现

来源

AtomicRL：原子强化学习破解长程机器人操作难题

涉及实体

TD残差concept

相关事实

待验证在轨迹级稀疏奖励下，TD残差会沿着整条轨迹反向传播，导致早期动作的信用被后期结果稀释甚至扭曲。66% 相似待验证余量定义为阈值与当前陈旧度信号值之差；余量越大，意味着当前输入与上次刷新时的输入差异越小，复用旧激活值所引入的近似误差也越小。64% 相似待验证RETD不改动跟随迹和重要性采样比率，将强调TD信号存储在泄漏的标量状态中，并通过延迟机制释放校正信号64% 相似待验证更长的上下文意味着更高的首Token时延（TTFT），且Token数量与推理费用直接线性相关63% 相似已验证推理延迟通常分解为首token延迟（TTFT）和后续token生成吞吐量两个核心指标62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1083959

API

curl https://kongchang.com/api/v1/knowledge/claims/1083959

MCP

get_claim(id=1083959)