待验证50% 置信事实精确时间
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。
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。72% 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。72% 相似待验证在多个模拟环境中，当目标数据有限时，DFQI通过迁移源信息显著提升了策略学习性能。71% 相似待验证论文引入设计效率因子D*来概括杠杆在观测之间的分布方式，使新公式能够捕捉传统方法忽略的结构性差异。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129566API
curl https://kongchang.com/api/v1/knowledge/claims/1129566MCP
get_claim(id=1129566)