待验证50% 置信事实精确时间

Double DQN通过使用在线网络选择动作、目标网络评估Q值来解耦动作选择和价值评估,缓解Q值过高估计问题

1

来源数

50%

置信度

长期有效

时效性

2026/9/7

首次发现

来源

奖励塑形为何反而加剧奖励黑客？网格世界实验揭示量级失衡陷阱

涉及实体

Double DQNconcept Hasseltperson

相关事实

待验证Double DQN 用于解决过估计，Dueling DQN 分离状态价值和优势函数，Prioritized Experience Replay 优先采样TD误差大的经验76% 相似待验证DQN的关键在于将卷积神经网络与Q-learning算法结合，让智能体无需手工设计特征即可自主学习策略61% 相似待验证DQN是off-policy算法，可以重复利用过去收集的经验进行学习61% 相似待验证Q-learning、DQN 等算法本质上都是在近似求解贝尔曼最优方程61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/870233

API

curl https://kongchang.com/api/v1/knowledge/claims/870233

MCP

get_claim(id=870233)