待验证60% 置信事实精确时间
时序差分（TD）学习利用每一步的即时奖励和下一状态的估计价值来更新当前状态的价值，结合了蒙特卡洛采样和动态规划自举的思想。
2
来源数
60%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
涉及实体
相关事实
待验证预测能力通常通过学习转移模型实现：给定当前状态和动作，模型预测下一状态71% 相似待验证动作块价值学习让策略一次性预测一个时间窗口内的动作序列（action chunk），并对此块整体估计价值，而非逐帧输出单步动作。71% 相似待验证强调时序差分学习（ETD）被提出用于稳定离策略TD更新的期望值并改变其投影几何结构71% 相似待验证TS-ICL 聚焦时间序列的上下文学习，即让模型在不更新参数的情况下仅凭输入上下文完成新任务的预测。71% 相似待验证在TGNN训练中，根事件是被选为预测目标的事件，模型需要基于其之前的节点记忆预测该事件的发生；支持事件是为预测根事件而回溯采样的历史事件，提供上下文并参与节点记忆更新。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1088020API
curl https://kongchang.com/api/v1/knowledge/claims/1088020MCP
get_claim(id=1088020)