待验证50% 置信事实精确时间

Q值高估问题源于对多个含噪声估计取最大值时期望高于真实最大值，是Jensen不等式在max凸函数上的应用

1

来源数

50%

置信度

长期有效

时效性

2026/8/21

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

待验证膨胀、过时、充满噪声的评估集比没有评估集更糟糕，因为它会给出误导性的信号70% 相似待验证注意力层的Q、K、V投影矩阵及模型首尾层对量化噪声更敏感，而MoE架构中的专家网络冗余度更高、量化误差容忍度更高68% 相似待验证Softmax输出的概率值并不等同于真实的贝叶斯后验概率，而是被过度优化以拉开类别间距，导致预测概率系统性偏高68% 相似待验证量化误差具有非均匀分布特性，注意力机制的Q/K/V矩阵和最后几层对量化更为敏感68% 相似待验证QAT让模型在训练期间持续暴露于量化噪声，在极端压缩场景下远优于PTQ，代价是显著更高的训练计算开销67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/782693

API

curl https://kongchang.com/api/v1/knowledge/claims/782693

MCP

get_claim(id=782693)