SQAM：免每步矩阵乘积的流策略微调新方法

研究者 Yonghoon Dong 等人提交论文，提出 Q-learning with Scalar Adjoint Matching（SQAM），用于微调流策略。该方法通过闭式标量伴随按流时间缩放最终动作的价值梯度，免去每步的 vector-Jacobian 乘积，并将标量伴随与对这些动作的价值惩罚结合。目前仅为论文提出的方法，尚无实验验证或效果结论。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。