arXiv · cs.AI· Songyuan Zhang, Oswin So, Eric Yang Yu, Matthew Cleaveland, Peter Crowley-Dolen, Chuchu Fan·· 3 天前
LASER：通过潜空间伴随匹配实现支持约束与熵正则离线强化学习
LASER: Latent Space Adjoint Matching for Support-Constrained Entropy-Regularized Offline RL
arXiv:2610.08989v1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：Songyuan Zhang, Oswin So, Eric Yang Yu, Matthew Cleaveland, Peter Crowley-Dolen, Chuchu Fan
首次提交：2026-10-07 02:47
研究任务与主要进展
LASER是一种通过潜空间伴随匹配进行支持约束、熵正则离线强化学习的算法，可避免时间反传并保持表达性流策略。基于论文摘要，作者在40个不同数据质量的OGBench任务上报告了领先性能，并称使用统一的方法超参数超过包含任务特定和数据特定调参的基线。
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