发表流匹配强化学习综述

一篇发表于 TMLR 2026 的 52 页综述系统梳理了强化学习中的 Flow Matching（FM）方法。FM 通过常微分方程（ODE）与学习到的速度场进行采样，相较依赖随机去噪链的扩散策略可显著降低推理延迟并简化 RL 目标整合。综述沿"建模的目标分布"和"RL 信号整合机制"两条轴线组织文献，并覆盖离散与非欧几里得动作空间等前沿方向，以及针对高斯与扩散基线的系统对比。

摘自 arXiv：cs.AI

还没有足够的连续观测数据，暂不绘制趋势。