arXiv 机器学习· Ke Jiang, Wen Jiang, Yoshinobu Kawahara, Xiaoyang Tan·· 2 小时前AI 评分34
用于流匹配离线强化学习的价值整流蒸馏（VRD）框架
Value-Rectified Distillation for Flow-based Offline Reinforcement Learning
AI 导读
研究人员提出价值整流蒸馏（VRD）框架，通过动态耦合机制矫正流动力学，解决离线强化学习中流匹配行为策略蒸馏时的分布外模态平均问题。该框架包含利用分位数蒸馏过滤低价值行为的 VRD-Q，以及重构隐空间以隔离高价值生成轨迹的 VRD-R 算法。在 D4RL、OGBench 和 Minari 基准测试中，VRD 在连续控制与规划任务上均优于现有生成基线。
来源：arXiv 机器学习 · arxiv.org