VAN-Flow离线强化学习框架提出

Guhyeon Kang 与 Minhae Kwon 提出 VAN-Flow——一种面向生成式离线强化学习、旨在促进可靠动作选择的框架，由类别分布式评论家、方差规避期望算子和流匹配生成演员三部分构成。 据作者称，该框架在 D4RL 和 OGBench 的 40 多个任务上持续超越强基线，长时程与高方差场景增益最大。其期望算子对类别回报分布的概率质量做平滑重加权，偏好高回报且低离散度的动作，无需硬截断或辅助惩罚项。论文已被 NeurIPS 2026 接收。

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。