arXiv · Machine Learning Theory· Denis Blessing, Onur Celik, Gerhard Neumann·· 2 小时前AI 评分30
通过定点流匹配进行强化学习
Reinforcement Learning via Fixed-point Flow Matching
AI 导读
论文提出定点流匹配（FFM），一种无需训练数据的强化学习流策略训练与微调方法。FFM 利用目标流恒等式把 actor 更新表述为定点迭代，以 critic 的动作梯度作为回归目标，并证明最优策略是该迭代的不动点。实验显示其在 offline-to-online 设置中可有效微调预训练流策略，并支持在线 RL 中从零高效训练。
来源：arXiv · Machine Learning Theory · arxiv.org