待验证50% 置信事实精确时间

论文提出Direct Transfer Fitted Q-Iteration (DFQI)，通过联合估计框架将源环境信息直接融入目标价值函数学习。

1

来源数

50%

置信度

长期有效

时效性

2026/11/3

首次发现

来源

DFQI：直接知识迁移提升离线Q学习效率

涉及实体

DFQIconcept 离线强化学习concept

相关事实

待验证在多个模拟环境中，当目标数据有限时，DFQI通过迁移源信息显著提升了策略学习性能。73% 相似待验证作者在平稳折扣环境下建立了DFQI的目标估计和策略学习的统计保证，覆盖同质和异质转移核两种情形。72% 相似待验证DFQI在每次贝尔曼更新中同时进行目标Q函数更新和源信息借用，实现更紧密的耦合。69% 相似待验证理论分析表明，在一定的正则条件下，DFQI的目标Q函数估计和策略价值收敛速率与仅使用目标数据的估计器相当，同时能有效利用源数据降低方差。68% 相似待验证对于异质转移核，DFQI通过加权聚合自动调整源信息的贡献，避免负迁移。68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1129557

API

curl https://kongchang.com/api/v1/knowledge/claims/1129557

MCP

get_claim(id=1129557)