Unverified50% confidenceFactExact time
优势函数A(s,a) = Q(s,a) - V(s)衡量某个动作相对于平均水平的好坏程度
1
Sources
50%
Confidence
Long-term
Relevance
8/5/2026
First Seen
Sources
Related Claims
Unverified优势函数A(s,a) = Q(s,a) - V(s)，PPO实际实现中通常使用广义优势估计（GAE），典型设置λ取0.95，γ取0.9977% similarUnverified功效分析需要预先指定显著性水平α（通常0.05）、期望统计功效（通常0.8或0.9）和预期效应量三个核心参数66% similarUnverified贝叶斯决策理论选择使期望损失最小化的行动a*，即a*=argmin_a E[L(θ,a)|x]，期望关于后验分布p(θ|x)计算58% similarUnverified绝大多数常见损失函数都可以从最大似然估计推导出来58% similarUnverified期望价值的计算方式为各种可能结果的收益乘以其发生概率之和58% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/690912API
curl https://kongchang.com/api/v1/knowledge/claims/690912MCP
get_claim(id=690912)