定点流匹配（FFM）强化学习方法发布

2026年10月12日，arXiv 机器学习理论栏目发布论文《通过定点流匹配进行强化学习》（一手来源）。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，FFM 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。目前公开信息仅此一篇论文报道，尚无后续验证或第三方复现结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。