[控场AI]
待验证50% 置信事实精确时间

价值型强化学习先学习一个值函数来估计状态或状态-动作对的长期回报,再基于该值函数提取策略。

1
来源数
50%
置信度
长期有效
时效性
2026/11/5
首次发现

来源

涉及实体

相关事实

引用此条事实

Stable URI
https://kongchang.com/claim/1138919
API
curl https://kongchang.com/api/v1/knowledge/claims/1138919
MCP
get_claim(id=1138919)