待验证50% 置信权衡取舍精确时间

高UTD会加剧deadly triad问题（函数逼近、自举、离轨策略共存时的不稳定性），可能导致Q值发散或值函数塌陷

1

来源数

50%

置信度

长期有效

时效性

2026/9/26

首次发现

来源

CPU上训练小型DQN：如何正确扩展Learner侧？

涉及实体

deadly triadconcept UTDconcept

相关事实

待验证deadly triad问题指函数逼近、自举更新和off-policy学习三者结合时产生的不稳定性70% 相似待验证H3的漂移现象暗示其采用了自回归范式，高表现力的代价是累积误差导致的一致性问题68% 相似已验证多代理系统存在失控的递归调用、协调开销激增和错误逐层放大（级联失败）的隐患66% 相似待验证错误的蓝图引脚连接可能导致逻辑断路或运行时崩溃，且错误现象往往不直观64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/952691

API

curl https://kongchang.com/api/v1/knowledge/claims/952691

MCP

get_claim(id=952691)