arXiv · cs.AI· Shenghua Lu, Zixuan Yang, Rongxu Zhao, Bohao Qu, Jifeng Hu, Hechang Chen·· 11 小时前
MF2B提出一步潜空间流策略改进离线强化学习
From Suboptimal to Optimal: One-Step Latent Flow Policies for Offline Reinforcement Learning
arXiv:2610.16984v1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：Shenghua Lu, Zixuan Yang, Rongxu Zhao, Bohao Qu, Jifeng Hu, Hechang Chen
研究任务与主要进展
基于论文摘要，Shenghua Lu等提出MF2B，将离线强化学习建模为高维潜决策空间中的决策块优化，并通过共享条件平均速度场用一步ODE积分把次优决策映射到高价值决策区域。该方法无需多步迭代采样或时间反传，并通过分层块级优势将序列长度从T压缩至约T/H；在D4RL Gym-MuJoCo基准上，平均得分为90.91，达到或超过强基线。
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