Unverified50% confidenceSolutionExact time
ZGCM-1在中期训练阶段将智能体与工具交互过程重新表述为马尔可夫决策过程（MDP）
1
Sources
50%
Confidence
Long-term
Relevance
9/15/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedZGCM-1的核心命题是紧凑模型可通过耦合深思熟虑的内部思考与主动的外部工具调用来突破参数容量限制75% similarUnverified马尔可夫决策过程（MDP）为智能体的感知—决策—执行闭环提供了数学框架69% similarVerified强化学习的核心框架由智能体、环境、状态、动作和奖励五要素构成，建立在马尔可夫决策过程（MDP）之上，以五元组（S, A, P, R, γ）描述决策问题68% similarUnverified与传统的模型预测控制(MPC)或ZMP方法相比，强化学习策略无需显式建模动力学方程，能够通过海量试错自动发现高效的运动模式67% similarVerified强化学习通过智能体与环境的持续交互来学习最优策略，其数学基础是马尔可夫决策过程（MDP），由状态空间、动作空间、转移函数、奖励函数和折扣因子构成67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/921656API
curl https://kongchang.com/api/v1/knowledge/claims/921656MCP
get_claim(id=921656)