待验证50% 置信事实精确时间

论文在风险中性设定下Q值迭代对模型误差的放大系数约为1/(1-γ)，而递归熵风险设定因非线性指数运算导致误差放大更复杂并产生指数依赖

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

风险敏感强化学习的样本复杂度：逼近最优的理论突破

涉及实体

递归熵风险度量concept

相关事实

待验证在同质缺失设定下（每个协变量以独立概率q被观测），作者给出的误差界对q呈现复杂而非标准的依赖关系73% 相似待验证系统性的量级错误比随机错误更隐蔽也更危险，因为答案在数值结构上看起来合理却偏离数量级71% 相似待验证从零实现推理的主要风险之一是数值漂移，任何环节的精度问题或计算顺序错误可能在多层传播后被放大70% 相似待验证总预测误差可以分解为偏差²+方差+不可约误差70% 相似待验证ε预测在大嵌入维度下容易数值不稳定，因为当α_bar_t接近零时缩放系数1/sqrt(α_bar_t)趋于无穷大放大预测误差70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983302

API

curl https://kongchang.com/api/v1/knowledge/claims/983302

MCP

get_claim(id=983302)