DEFlow：深度平衡流最大熵强化学习

Ruslan Ageev 等作者提交论文，提出 DEFlow——一种深度平衡流策略，用于最大熵强化学习。它用隐式欧拉积分替代显式欧拉采样，把全部中间动作作为平衡系统联合求解。 结合隐式微分与离散变量替换公式计算最终动作密度，该方法在 soft actor-critic 中实现 off-policy 训练，且无需对求解器迭代反向传播。 报道未给出实验效果或对比结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。