arXiv cs.LG· Denis Blessing, Onur Celik, Gerhard Neumann·· 7 小时前AI 评分22
无需训练数据的强化学习：定点流匹配（FFM）微调与训练流策略
Reinforcement Learning via Fixed-point Flow Matching
AI 导读
研究者提出定点流匹配（FFM），一种在强化学习中无需训练数据即可训练和微调流策略的方法。FFM 利用目标流恒等式将 actor 更新转化为定点迭代，以 critic 的动作梯度作为回归目标，并证明最优策略是该迭代的定点。实验显示，FFM 能在离线到在线场景中有效微调预训练流策略，也能在在线 RL 中从零高效准确地训练流策略。
来源：arXiv cs.LG · arxiv.org