arXiv cs.LG· Denis Blessing, Onur Celik, Gerhard Neumann·· 22 天前AI 评分37
基于不动点流匹配（FFM）的强化学习
Reinforcement Learning via Fixed-point Flow Matching
AI 导读
研究提出不动点流匹配（Fixed-point Flow Matching, FFM），这是一种无需训练数据即可在强化学习中训练和微调流策略的新方法。该方法将 Actor 更新形式化为不动点迭代，以 Critic 的动作梯度作为流匹配回归目标，且理论证明最优策略为该迭代的不动点。实验表明，FFM 既能在离线到在线场景中微调预训练流策略，也能在在线强化学习中从零高效训练流策略。
来源：arXiv cs.LG · arxiv.org