待验证50% 置信事实精确时间
贝尔曼方程将长期累积奖励的优化问题分解为可递归求解的子问题，奠定了Q-learning、策略梯度等经典算法的理论根基
1
来源数
50%
置信度
长期有效
时效性
2026/7/22
首次发现
来源
相关事实
待验证Q-learning、DQN 等算法本质上都是在近似求解贝尔曼最优方程78% 相似待验证现代大型模型通过学习逐步分解问题并在训练中验证中间步骤（Chain-of-Thought推理机制），显著提升复杂数学问题的表现78% 相似待验证DQN的理论基础是Q-learning，一种无模型强化学习算法，核心是学习Q函数Q(s,a)表示状态s下执行动作a的期望累积折扣奖励74% 相似待验证智能路由与推理加速、模型量化、提示词工程等技术并非互斥，可以叠加组合形成系统性成本优化方案69% 相似待验证Q-learning是离策略（off-policy）学习，使用贪心策略更新Q值但探索时可采用ε-贪心等不同策略69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/589111API
curl https://kongchang.com/api/v1/knowledge/claims/589111MCP
get_claim(id=589111)