截斷式雙 Q（連續，clipped double-Q）

價值法強化學習有個慢性病叫高估：因為學習目標對吵雜的價值估計取了最大值（或交給一個最大化的演員），誤差會被系統性地往上偏，而演員學會去鑽任何恰好過於樂觀的估計。截斷式雙 Q 是 TD3 與 SAC 所用、粗暴卻有效的療法。訓練兩個各自獨立參數的評論家，每當你需要一個價值給目標時，就取兩者中較小的那個。

其邏輯是統計性的。若兩個獨立估計式各帶隨機誤差，較大的那個會偏高，所以取最大值會放大高估；相對地，取最小值偏向悲觀，抵消掉大半往上的偏誤。用 min(Q₁, Q₂) 而非單一評論家來寫目標，能讓智能體不去追逐幽靈價值。它是刻意保守了一點——略微低估，是換取「阻止那拖垮 DDPG 的失控過度樂觀」值得付的代價。

這是雙 DQN 的連續動作手足，把離散 Q 學習的做法搬到「無法列舉動作」的演員–評論家情境。它是現代離策略控制中槓桿最高的穩定器之一，而它同時出現在 TD3 與 SAC 裡，正是兩者都遠比純 DDPG 來得穩的一大原因。