待验证50% 置信事实精确时间
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。
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。73% 相似待验证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。72% 相似待验证该受控框架结合了阶段特异性控制、多种表示与适配目标、全分布度量，以及对类别分配、支持集重建和优化运行的层次化推断。72% 相似待验证作者在平稳折扣环境下建立了DFQI的目标估计和策略学习的统计保证，覆盖同质和异质转移核两种情形。69% 相似待验证本次优化围绕vLLM推理框架与MXFP4/NVFP4量化路径展开，编写或调整了专用计算内核68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129560API
curl https://kongchang.com/api/v1/knowledge/claims/1129560MCP
get_claim(id=1129560)