待验证50% 置信事实精确时间
Q-learning 属于基于价值的方法，学习动作价值函数 Q(s,a)，通过选择 Q 值最大的动作来决策，通常配合离散动作空间。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
已验证Q-learning是强化学习中的值函数方法，由Watkins于1989年提出，核心是维护Q表并通过贝尔曼方程迭代更新73% 相似待验证Qwen 团队开源了 QwenGyre，一个面向超长任务智能体（XLong agent training）的弹性强化学习框架。60% 相似待验证强化学习的核心逻辑是智能体通过与环境交互，根据获得的奖励不断调整策略，最终学会在特定目标下做出最优决策59% 相似待验证强化学习中的状态—动作—奖励框架源自马尔可夫决策过程（MDP）理论59% 相似待验证强化学习是机器学习三大范式之一，与监督学习和无监督学习并列，其核心框架源自马尔可夫决策过程（MDP），由智能体、环境、状态、动作和奖励五个要素构成59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1100159API
curl https://kongchang.com/api/v1/knowledge/claims/1100159MCP
get_claim(id=1100159)