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
强化学习解锁通用机器人策略的多任务自我进化
rss2026/11/4
涉及实体
相关事实
引用此条事实
Stable URI
https://kongchang.com/claim/1138919API
curl https://kongchang.com/api/v1/knowledge/claims/1138919MCP
get_claim(id=1138919)