待验证50% 置信事实精确时间
SAC（Soft Actor-Critic）的核心机制是最大熵强化学习，在优化奖励的同时鼓励策略保持随机性，由温度系数α控制探索与利用的平衡
1
来源数
50%
置信度
长期有效
时效性
2026/10/6
首次发现
来源
涉及实体
引用此条事实
Stable URI
https://kongchang.com/claim/982248API
curl https://kongchang.com/api/v1/knowledge/claims/982248MCP
get_claim(id=982248)