待验证50% 置信事实精确时间

MPO 来自 DeepMind，基于 EM 框架以 KL 散度约束策略更新步长

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

Roxie：基于JAX的强化学习新框架，专攻MuJoCo连续控制

涉及实体

MPOconcept DeepMindcompany

相关事实

已验证DeepSeek采用了混合专家架构（MoE）和多头潜在注意力机制（MLA）71% 相似待验证DeepSeek在推理部署中采用了FP8混合精度量化和Multi-head Latent Attention（MLA）等技术69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946910

API

curl https://kongchang.com/api/v1/knowledge/claims/946910

MCP

get_claim(id=946910)