arXiv · 机器人与计算机视觉· Qinwei Ma, Jingzhe Shi, Simin Fan, Ling Li, Alex Lamb·· 2026-10-06精选AI 评分78
时间步加权:有效基于 ELBO 的流匹配强化学习的隐藏关键
Timestep Weighting: A Hidden Key to Effective ELBO-Based Flow-Matching RL
AI 导读
该论文研究了时间步加权对基于 ELBO 的流匹配强化学习性能的影响,发现有效的加权方案依赖于奖励景观和学习阶段。通过受控图像生成与机器人实验,揭示了跨噪声水平的奖励驱动更新模式及训练过程中的梯度协调动态。研究提出并验证了简单的静态加权、预算化配置选择及动态调度等策略,证明其能超越常规目标选择效果,为流匹配强化学习提供了重要的设计依据与新视角。
推荐理由
本文揭示了时间步加权在基于 ELBO 的流匹配强化学习中的关键作用,提出其效果取决于奖励景观与学习阶段,并验证了动态调度策略优于常规配置。
来源:arXiv · 机器人与计算机视觉 · arxiv.org