Unverified50% confidenceFactExact time
SAC由Tuomas Haarnoja等人在2018年提出，是最大熵强化学习框架的代表算法，属于off-policy算法，样本效率高于PPO
1
Sources
50%
Confidence
Long-term
Relevance
8/27/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedKL散度应用于VAE的ELBO推导、知识蒸馏的软标签学习以及TRPO/PPO强化学习算法的策略更新约束65% similarUnverifiedGNoME采用主动学习策略，迭代式地生成候选、预测稳定性、筛选最有价值结构送入DFT计算验证，再更新模型62% similarUnverifiedSPLADE 是一种学习型稀疏检索模型，通过神经网络为文档生成稀疏向量表示，可在倒排索引上高效运行61% similarUnverified基于模型的强化学习在样本效率上通常比无模型方法高出一个数量级以上，代表性算法包括Dyna、MBPO和Dreamer系列60% similarUnverified现代大语言模型基于Transformer架构，通过预测下一个token的概率分布来生成文本，训练目标是最小化交叉熵损失60% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/807975API
curl https://kongchang.com/api/v1/knowledge/claims/807975MCP
get_claim(id=807975)