研究者提出DRIFT离线到在线强化学习微调方法

研究者 Fairoz Nower Khan 等提出 DRIFT，一种面向离线到在线强化学习的在线微调方法。它用优势加权离散流匹配损失更新离线预训练的连续时间马尔可夫链（CTMC）策略，并通过路径空间惩罚正则化完整 CTMC 轨迹分布，以保留预训练知识。 该方法的提出针对离线到在线强化学习中的相关挑战，目前报道仅给出方法设计，未报告实验效果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。