待验证50% 置信事实精确时间

C51用51个等距原子离散化Q值分布支撑集，网络对每个动作输出51维softmax向量，训练目标为最小化预测分布与目标分布间的KL散度

1

来源数

50%

置信度

长期有效

时效性

2026/8/20

首次发现

来源

Rainbow DQN没有新想法：值函数强化学习算法演进全解析

相关事实

待验证QLoRA论文提出的NF4针对预训练权重服从正态分布的特性设计了最优量化格点63% 相似待验证后训练的最优解是参考分布的指数倾斜，即最优分布密度正比于参考模型密度乘以奖励的指数：π*(x) ∝ π_ref(x) · exp(r(x)/β)62% 相似待验证变分自编码器（VAE）和扩散模型的训练目标建立在变分推断和对数似然最大化的概率框架之上61% 相似待验证该项目的模型训练板块整理了从预训练、微调（SFT/RLHF/DPO）到高效推理部署的全链路资料59% 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59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/778675

API

curl https://kongchang.com/api/v1/knowledge/claims/778675

MCP

get_claim(id=778675)