arXiv 机器学习· Denis Blessing, Onur Celik, Gerhard Neumann·· 5 小时前AI 评分34
基于不动点流匹配的强化学习方法
Reinforcement Learning via Fixed-point Flow Matching
AI 导读
研究人员提出不动点流匹配（FFM），这是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 将 actor 的更新表述为不动点迭代，利用类似 flow matching 的回归目标，并将 critic 的动作梯度作为回归目标。实验表明，该方法能在离线到在线场景中有效微调预训练流策略，并支持在线强化学习中从零开始高效训练。
来源：arXiv 机器学习 · arxiv.org