待验证50% 置信事实精确时间
密集强化学习试图在过程中提供更细粒度的反馈，帮助智能体理解哪些中间决策有价值。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
待验证元认知控制器训练时通过强化学习或可微决策目标在代理轨迹上优化，以在正确性与计算成本之间取得平衡。77% 相似待验证强化学习在此类任务中通常指让模型对同一问题生成多个候选答案，再依据奖励信号强化得分高、抑制得分低的输出；奖励设计粗糙会诱发刷分行为。77% 相似已验证强化学习是一种通过试错学习最优策略的机器学习范式，智能体在环境中采取行动并根据奖励信号最大化累积奖励77% 相似待验证联邦强化学习中多个智能体与同一马尔可夫决策过程交互，通过中心服务器交换信息，共同学习最优的状态-动作价值函数77% 相似待验证深度强化学习用神经网络近似策略或价值函数，推理时只需一次前向计算，响应快，但需要大量对局训练，且训练环境必须能高效模拟沙粒物理。77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1127157API
curl https://kongchang.com/api/v1/knowledge/claims/1127157MCP
get_claim(id=1127157)