待验证50% 置信事实精确时间
DFQI在每次贝尔曼更新中同时进行目标Q函数更新和源信息借用，实现更紧密的耦合。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
待验证对于异质转移核，DFQI通过加权聚合自动调整源信息的贡献，避免负迁移。72% 相似待验证DFQI在拟合Q迭代框架中引入L1惩罚项，将目标系数拉向源系数的加权组合，权重由数据自适应确定。72% 相似待验证论文提出Direct Transfer Fitted Q-Iteration (DFQI)，通过联合估计框架将源环境信息直接融入目标价值函数学习。69% 相似待验证理论分析表明，在一定的正则条件下，DFQI的目标Q函数估计和策略价值收敛速率与仅使用目标数据的估计器相当，同时能有效利用源数据降低方差。69% 相似待验证对比基线（如仅用目标数据、简单数据混合等），DFQI在策略回报和稳定性上均表现出优势。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129558API
curl https://kongchang.com/api/v1/knowledge/claims/1129558MCP
get_claim(id=1129558)