待验证50% 置信事实精确时间

折扣因子γ在Boss战中通常设为接近1的值（如0.99），因为击杀Boss的大额奖励发生在战斗末尾

1

来源数

50%

置信度

长期有效

时效性

2026/8/9

首次发现

来源

强化学习能打通无伤Boss战吗？PPO算法实战分析

相关事实

待验证1个基点等于0.01个百分点56% 相似待验证夏普比率是超额收益除以收益的标准差，衡量每承担一单位风险所获得的回报，大于1通常被认为表现良好，大于2则属优秀55% 相似待验证在Montezuma's Revenge等极端稀疏奖励游戏中，标准DQN得分接近零，直到引入高级探索策略后才取得突破53% 相似待验证Dropout率通常设为0.5（隐藏层）或0.2（输入层）53% 相似待验证Dixon-Coles模型在双泊松模型基础上引入了低比分修正项，弥补了0:0和1:0等低分比赛中泊松假设的偏差52% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/716269

API

curl https://kongchang.com/api/v1/knowledge/claims/716269

MCP

get_claim(id=716269)