arXiv · cs.AI· Yonghoon Dong, Minsung Yoon, Jaehyuk Kim, Jungwoo Park, Changyeon Kim, Jinwoo Shin·· 19 小时前
标量伴随匹配的Q学习（SQAM）提升流策略离线强化学习性能
Q-Learning with Scalar Adjoint Matching
arXiv:2610.10437v1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：Yonghoon Dong, Minsung Yoon, Jaehyuk Kim, Jungwoo Park, Changyeon Kim, Jinwoo Shin
首次提交：2026-10-08 01:13
研究任务与主要进展
Yonghoon Dong等人提出Q-Learning with Scalar Adjoint Matching（SQAM），将标量伴随与策略生成动作上的价值惩罚结合，用于微调流策略的离策略强化学习。基于论文摘要，该方法避免了每个流步骤的向量—雅可比积；在四个最难的OGBench领域，成功率分别较各领域最强基线高18至35个百分点，并在真实双臂机器人三个任务中超过监督微调。
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