arXiv cs.LG· Ruslan Ageev, Huaze Tang, Runqing Miao, Jiarong Li, Wenbo Ding·· 7 小时前AI 评分22
DEFlow：深度平衡流最大熵强化学习
DEFlow: Deep Equilibrium Flow Maximum-Entropy Reinforcement Learning
AI 导读
DEFlow 是一种深度平衡流策略，用隐式欧拉积分替代显式欧拉采样，将中间动作作为平衡系统联合求解，并结合隐式微分与离散变量变换公式实现最终动作密度计算，从而在 soft actor-critic 中无需对求解器迭代反向传播即可进行离策略训练。
来源：arXiv cs.LG · arxiv.org