待验证50% 置信事实精确时间
在部分可观测马尔可夫决策过程（POMDP）中，智能体无法直接观测真实状态，只能通过历史观测序列维护信念状态，最优策略是信念状态的函数。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证POMDP引入信念状态（belief state），即定义在所有可能隐藏状态上的概率分布，智能体根据该分布而非单一确定状态做决策80% 相似待验证MDP假设当前状态包含做出最优决策所需的全部信息（马尔可夫性质），而POMDP中智能体无法直接观测完整的环境状态78% 相似待验证贝叶斯滤波是POMDP中维护信念状态的核心机制，通过状态转移模型预测先验概率、用观测模型计算似然、归一化得到后验信念72% 相似待验证POMDP在MDP基础上增加了观测函数O(o|s,a)，智能体只能获得状态的部分信息，需要维护对真实状态的置信度72% 相似待验证解决POMDP的经典方法是维护信念状态（belief state），但在高维空间中计算上不可行；现代深度强化学习通过LSTM或GRU等循环结构隐式维护历史信息70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084012API
curl https://kongchang.com/api/v1/knowledge/claims/1084012MCP
get_claim(id=1084012)