待验证50% 置信事实精确时间

QMIX算法将团队的全局Q值分解为各智能体局部Q值的单调混合，确保全局最优动作等价于各智能体独立取最大值

1

来源数

50%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

M.A.R.A：用强化学习从零训练会战斗的AI坦克

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72% 相似待验证量化感知训练(QAT)让模型保留全精度权重副本，每次前向传播练习舍入操作，学会在极端压缩下的权重分布69% 相似待验证Qwen3采用四阶段训练流程，在后期专门针对混合推理能力进行对齐微调63% 相似待验证QwenGrowthPlan邀请真实用户使用Qwen3.8完成实际任务并将成功或失败案例反馈给团队以优化模型61% 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61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/699358

API

curl https://kongchang.com/api/v1/knowledge/claims/699358

MCP

get_claim(id=699358)