跳到正文
arXiv · 机器人与计算机视觉· Yonghoon Dong, Kyungmin Lee, Changyeon Kim, Jaehyuk Kim, Jinwoo Shin·· 2026-10-09精选AI 评分78

Trust Region Q Adjoint Matching:一种稳定的离线强化学习微调算法

Trust Region Q Adjoint Matching

AI 导读

针对预训练流策略在离线强化学习中因多步采样导致的优化不稳定及 critic 误差放大问题,论文提出 Trust Region Q Adjoint Matching (TRQAM) 算法。

推荐理由

提出 TRQAM 算法,通过投影对偶下降自适应控制策略空间 KL 散度,解决预训练流策略离线强化学习的优化不稳定性问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org