Q-Learning with Scalar Adjoint Matching：SQAM 微调流策略

研究者提出 Q-learning with Scalar Adjoint Matching（SQAM），用闭式标量伴随替代逐步的 vector-Jacobian 乘积，并结合对策略生成动作的价值惩罚来微调流策略。在 OGBench 四个最难域上，SQAM 成功率比最强基线高 18 至 35 个百分点；在真实双臂机器人上微调视觉-语言-动作策略时，三个任务均优于监督微调。