PA-BFM：后验平均 Bellman 流匹配

研究者提出 Posterior-Averaged Bellman Flow Matching（PA-BFM），用于训练流式分布式 Critic。该方法针对 Bellman 目标递归生成下只能使用噪声单端点监督的问题，通过采样端点池推断隐锚点的闭式后验，并回归后验均值速度。作者称，在均匀锚点选择下，这一做法实现了单端点目标的有限池 Rao-Blackwellization，条件方差按 O(K^{-1}) 缩放。

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。