待验证50% 置信事实精确时间

该网络估计的是状态-动作对的Q(s,a)值，只使用了动作价值网络而非完整的策略+价值双头结构

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

小型神经网络对决通用决策模型：一场卡牌AI的失败模式启示录

涉及实体

Neural-MCTSproduct

相关事实

待验证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74% 相似待验证AlphaGo通过策略网络提供候选走法、价值网络评估局面价值，结合MCTS的前向模拟实现深度多步规划，而非依赖单步即时评估65% 相似待验证贝叶斯网络通过有向无环图显式建模变量间的条件依赖关系，适合捕捉因果链条64% 相似待验证每次前向传播生成token时，模型都需经过完整的多头注意力计算和前馈网络层，计算量由模型参数规模决定63% 相似待验证概率图模型分为有向图模型（贝叶斯网络）和无向图模型（马尔可夫随机场）两大类63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/943472

API

curl https://kongchang.com/api/v1/knowledge/claims/943472

MCP

get_claim(id=943472)