arXiv · cs.AI· Guhyeon Kang, Minhae Kwon·· 2 天前
VAN-Flow：面向稀疏长时程环境的方差规避式离线强化学习
Variance-Averse $n$-Step Offline Reinforcement Learning for Sparse Long-Horizon Environments
arXiv:2610.07899v1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：Guhyeon Kang, Minhae Kwon
研究任务与主要进展
Guhyeon Kang与Minhae Kwon提出VAN-Flow，用于在生成式离线强化学习中促进可靠动作选择。该方法结合分类分布评论器、偏好高回报且低离散度动作的方差规避期望算子，以及通过拒绝采样引导的流匹配生成策略；作者基于论文摘要报告，其在D4RL和OGBench的40多个任务上持续优于强基线，较大收益出现在长时程和高方差场景。
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