待验证50% 置信事实精确时间
离线RL的核心难题是如何避免对数据集未覆盖的状态-动作对产生过于乐观的价值估计（分布外外推问题）
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
Vizuara机器人学习课程笔记获取指南与免费资源推荐
redditr/deeplearning2026/7/12
相关事实
待验证离线RL的核心挑战是分布偏移，CQL通过惩罚项压低未见过动作的Q值，IQL则完全避免对数据集外动作的直接查询75% 相似待验证构建基准的过程会暴露领域数据中此前被忽视的问题，如标注不一致、样本分布偏斜、边缘案例缺失74% 相似待验证离线指标优异的模型在线上可能因数据分布差异表现不佳，这种现象被称为离线-线上指标不一致（offline-online gap）74% 相似待验证错误的归纳偏置会让模型花费容量拟合数据中不存在的虚假模式，导致分布外数据上严重失效70% 相似待验证数据追踪应提供纵向趋势曲线而非单次分数，能标注异常下降拐点的产品才有预警价值，仅显示'今日得分'的记录功能意义不大68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/506763API
curl https://kongchang.com/api/v1/knowledge/claims/506763MCP
get_claim(id=506763)