arXiv · cs.AI· Carl Qi, Weijun Dong, Xiaojie Wang, Peiyi Chen, Rahul Sajnani, Mingyuan Zhang, Amy Zhang, Jose Barreiros, Manikatan Nambi, Lillian J. Ratliff, Dylan Randle·· 6 小时前
AnchorQ：通过流反向动作锚点实现样本高效强化学习策略改进
Sample-Efficient Reinforcement Learning for Policy Improvement via Flow-Reversed Action Anchors
arXiv:2610.22852v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Carl Qi, Weijun Dong, Xiaojie Wang, Peiyi Chen, Rahul Sajnani, Mingyuan Zhang, Amy Zhang, Jose Barreiros, Manikatan Nambi, Lillian J. Ratliff, Dylan Randle
研究任务与主要进展
AnchorQ利用流反向将参考行为映射为状态条件潜在动作锚点，并通过局部粒子与价值引导采样改进策略，在相同交互预算下较现有后训练基线取得更高样本效率。基于论文摘要，该方法在真实世界操控任务中将成功率提升37%，在仿真任务中将吞吐量提升97%；结果仍限于摘要所述实验，critic准确性等因素会影响其可靠性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org