arXiv cs.LG· Chung Min Kim, Brent Yi, David McAllister, Hongsuk Choi, Himanshu Gaurav Singh, Jinkun Cao, Ken Goldberg, Pieter Abbeel, Carmelo Sferrazza, Angjoo Kanazawa·· 9 小时前AI 评分29
QF3：用过滤 Q 梯度的快速流式强化学习
QF3: Fast Flow RL with Filtered Q-Gradients
AI 导读
QF3 是一种在线 off-policy 强化学习算法，通过流匹配加 critic 动作梯度训练流策略，梯度经流输出的一步预测反向传播，并只对接近回放动作的维度施加 critic 梯度。
来源：arXiv cs.LG · arxiv.org