Unverified50% confidenceFactExact time
贝尔曼方程将长期累积奖励的优化问题分解为可递归求解的子问题，奠定了Q-learning、策略梯度等经典算法的理论根基
1
Sources
50%
Confidence
Long-term
Relevance
7/22/2026
First Seen
Sources
Related Claims
UnverifiedQ-learning、DQN 等算法本质上都是在近似求解贝尔曼最优方程78% similarUnverified现代大型模型通过学习逐步分解问题并在训练中验证中间步骤（Chain-of-Thought推理机制），显著提升复杂数学问题的表现78% similarUnverifiedDQN的理论基础是Q-learning，一种无模型强化学习算法，核心是学习Q函数Q(s,a)表示状态s下执行动作a的期望累积折扣奖励74% similarUnverified智能路由与推理加速、模型量化、提示词工程等技术并非互斥，可以叠加组合形成系统性成本优化方案69% similarUnverifiedQ-learning是离策略（off-policy）学习，使用贪心策略更新Q值但探索时可采用ε-贪心等不同策略69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/589111API
curl https://kongchang.com/api/v1/knowledge/claims/589111MCP
get_claim(id=589111)