待验证50% 置信事实精确时间
稀疏奖励的常见缓解手段包括奖励塑形、好奇心驱动探索、hindsight experience replay(HER)等。
1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
强化学习通关《抡大锤》:63%进度背后的分布式训练策略
redditr/reinforcementlearning2026/10/23
涉及实体
相关事实
引用此条事实
Stable URI
https://kongchang.com/claim/1090398API
curl https://kongchang.com/api/v1/knowledge/claims/1090398MCP
get_claim(id=1090398)