提出DRIFT离线到在线强化学习方法

研究者提出 DRIFT，一种用优势加权离散流匹配损失对离线预训练的连续时间马尔可夫链（CTMC）策略进行在线微调的方法，并通过路径空间惩罚正则化完整 CTMC 轨迹分布以保留预训练知识。

摘自 arXiv：cs.AI

还没有足够的连续观测数据，暂不绘制趋势。