待验证50% 置信事实精确时间
CQL（Conservative Q-Learning）由Kumar等人于2020年提出，通过损失函数惩罚项压低策略访问动作Q值、抬高数据集已有动作Q值实现保守估计
1
来源数
50%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
待验证离线强化学习的核心挑战是分布偏移问题，学界提出了CQL、TD3+BC、IQL等保守估计算法来解决62% 相似待验证QMDP是最简单的近似求解方法，假设不确定性在下一步就会消失，将POMDP降级为多个MDP的加权和，计算快但在需要主动信息收集的场景中表现不佳59% 相似待验证vLLM、TensorRT-LLM等推理框架通过批处理和KV Cache技术提升吞吐量，使百亿参数模型单次推理成本在近三年内下降了一个数量级59% 相似待验证Q4_K_M通常是兼顾内存效率与生成质量的最优折衷点，而Q2_K虽压缩率更高但在逻辑推理类任务中质量下降明显58% 相似待验证现代量化方案如GPTQ、AWQ引入逐层校准和误差补偿机制，将困惑度损失控制在1–2%以内58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/547320API
curl https://kongchang.com/api/v1/knowledge/claims/547320MCP
get_claim(id=547320)