搜索面试经历、知识题和 Coding 题。
至少输入两个字符。结果覆盖知识库、面试、Coding、公司和主题。
为具身智能面试中反复出现的概念提供标准答案。
当前主题：dqn
共 2 个问题
DQN 用 Q 网络回归一步 TD 目标（target 网络给值、经验回放打散相关性）；max 算子导致系统性过估计，Double DQN 解耦「选动作」（online 网络）与「估价值」（target 网络）来消除它。
target 网络把回归目标在一段时间内固定，切断自举误差的正反馈；若每步同步，目标随最新参数立即移动，训练在追自己的影子，噪声被放大成震荡甚至发散。