待验证50% 置信事实精确时间
概率逻辑策略梯度(PLPG)假设动作空间是有限且离散的,这限制了它在连续动作空间中的应用。
1
来源数
50%
置信度
长期有效
时效性
2026/11/13
首次发现
来源
涉及实体
相关事实
待验证朴素贝叶斯中需要使用对数概率空间来规避连乘小概率值导致的下溢67% 相似待验证即使原始POMDP的状态空间有限,其对应的信念MDP也拥有连续状态空间,精确规划在一般情况下不可行。67% 相似待验证动作空间表示分为离散化方案(量化为bins但引入量化误差)和连续化方案(输出高斯分布或扩散参数,精度更高但架构更复杂)66% 相似待验证传统随机博弈的均衡学习通常假设状态空间有限或紧致,当状态空间无界时值函数可能发散,策略稳定性面临根本挑战。66% 相似待验证约束马尔可夫决策过程(CMDP)的原始-对偶方法通常依赖双时间尺度假设,但环境缓慢非平稳时约束水平或敏感度的振荡会破坏收敛性。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1166156API
curl https://kongchang.com/api/v1/knowledge/claims/1166156MCP
get_claim(id=1166156)