已验证65% 置信事实精确时间
Q-Learning是离策略（off-policy）方法，更新Q值时假设未来采取最优动作；SARSA是在策略（on-policy）方法，基于实际执行的动作更新Q值
3
来源数
65%
置信度
长期有效
时效性
2026/8/7
首次发现
来源
相关事实
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77% 相似待验证Q-learning 的更新目标是即时奖励加上下一状态最大 Q 值的折扣，因此无论智能体实际采用什么行为策略，它都在逼近最优动作价值函数。73% 相似待验证SARSA是一种在策略（on-policy）的时序差分学习算法，根据智能体实际采取的动作序列来更新价值估计73% 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68% 相似待验证记忆锚定问答（memory-grounded QA）是一类专门用于评估系统能否正确利用存储记忆作答的任务范式，答案必须可追溯至记忆库中的具体条目，而非依赖模型参数中的预训练知识64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/702294API
curl https://kongchang.com/api/v1/knowledge/claims/702294MCP
get_claim(id=702294)