待验证50% 置信基准精确时间
通过值分布目标结合 DAgger 方法将搜索收益蒸馏回策略网络，带来 +0.045 的胜率提升（1,600 场对局，p = 0.007）
1
来源数
50%
置信度
长期有效
时效性
2026/9/27
首次发现
来源
涉及实体
相关事实
待验证在策略网络上叠加 1 层前瞻搜索后，胜率从 0.625 提升至 0.944（160 场成对对局，95% 置信区间 +0.24 到 +0.40）77% 相似待验证几乎所有有用的优化价值都集中在反思/控制槽位，该槽位的留一进增益高达+0.119，而其他三个槽位的独立贡献几乎为零66% 相似待验证在更新事实任务中，嵌入检索方法成功率在0.30-0.95之间波动，不同随机种子间最大差距达0.4564% 相似待验证Mann-Whitney U检验显示朴素生存奖励下task_score跌破随机策略基线,p=0.01264% 相似待验证在Montezuma's Revenge等极端稀疏奖励游戏中，标准DQN得分接近零，直到引入高级探索策略后才取得突破63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/953840API
curl https://kongchang.com/api/v1/knowledge/claims/953840MCP
get_claim(id=953840)