انحياز المبالغة في التقدير

ظاهرة منهجية في Q-learning حيث يؤدي استخدام عامل الحد الأقصى (max) على تقديرات مُشوَّشة إلى المبالغة المتكررة في تقدير قيم الأفعال، مما يُضعف جودة السياسة المُتعلَّمة.

A systematic phenomenon in Q-learning where the max operator over noisy estimates consistently overestimates action values, degrading learned policy quality.