高阶动作监督让策略类更强：一种即插即用的离线 RL 损失方案

一项被 NeurIPS 2026 接收的研究提出同时监督零阶和一阶动作的损失方案，可为任意现成策略模型（确定性、随机或 flow 策略）赋予高阶动作监督能力，无需改动结构。该方法可作为即插即用模块接入现有离线 RL 框架，在 OGBench 和 D4RL 上显著提升连续控制任务的性能与鲁棒性，并改善低数据下的 OOD 泛化。