arXiv · cs.AI· Fairoz Nower Khan, Nabuat Zaman Nahim, Peizhong Ju·· 11 小时前
DRIFT：用离散流匹配改进离线到在线强化学习
Discrete Flow Matching for Offline-to-Online Reinforcement Learning
arXiv:2605.12379v2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：Fairoz Nower Khan, Nabuat Zaman Nahim, Peizhong Ju
研究任务与主要进展
作者提出DRIFT，一种面向离散动作空间强化学习的在线微调方法，用优势加权的离散流匹配损失更新离线预训练的连续时间马尔可夫链策略。
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