待验证50% 置信事实精确时间
DIAYN训练一个判别器q_φ(z|s)，根据状态s推断技能编号z，策略的内在奖励定义为判别器的对数概率log q_φ(z|s)
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/982250API
curl https://kongchang.com/api/v1/knowledge/claims/982250MCP
get_claim(id=982250)