研究者提出FFM无数据训练流策略

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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。