待验证50% 置信事实精确时间

该实验将 PGD（投影梯度下降）攻击适配至连续动作策略，使用 KL 散度的闭式解构造扰动目标

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

对抗强化学习：Critic攻击为何在多智能体环境中更强？

redditr/reinforcementlearning2026/7/10

相关事实

待验证自适应限流的探测-回退机制思想与TCP拥塞控制中的AIMD（加性增乘性减）策略异曲同工66% 相似待验证对于避障项目，务实的做法是保留DQN作为离散动作基线，同时引入SAC并将动作空间改回连续进行对比实验64% 相似待验证完整保存优化器状态是断点续训的关键，仅保存模型权重会导致优化轨迹偏移影响收敛效果62% 相似待验证GOAP的规划过程是在动作空间中执行反向图搜索，规划反向进行而执行正向进行，通过A*算法寻找成本最低的动作序列61% 相似待验证LangGraph提供内置的重试、回退和错误处理机制，借鉴了断路器模式和指数退避等容错策略61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/493664

API

curl https://kongchang.com/api/v1/knowledge/claims/493664

MCP

get_claim(id=493664)