待验证50% 置信事实精确时间
TD(λ) 通过参数 λ∈[0,1] 在单步 TD 目标与蒙特卡洛回报之间做指数加权插值，λ=0 退化为单步 TD，λ=1 退化为完整轨迹回报。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证通过递推可推导出任意时刻Xt与X0的直接关系：X_t = √(α̅_t) * X0 + √(1-α̅_t) * Z，无需迭代即可采样Xt。59% 相似待验证多步回报使用n步真实回报替代单步bootstrap，n=1偏差高方差低，n→∞退化为蒙特卡洛回报，实践中n=3到5是较好的折中58% 相似待验证REVERSAL-BENCH引入了一个连续参数ρ∈[0,1]来控制环境的可逆程度58% 相似待验证加法节点的梯度传播规则是L对任一加数的偏导为1，直接将全局梯度传下去；乘法节点的偏导等于另一因子的值再乘以全局梯度57% 相似待验证Saga模式将大事务拆解为一系列本地事务T1…Tn，每个Ti配套补偿事务Ci，失败时按逆序执行补偿动作使整体回到一致状态。56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102735API
curl https://kongchang.com/api/v1/knowledge/claims/1102735MCP
get_claim(id=1102735)