AnchorQ：流反向动作锚点用于样本高效RL后训练

Carl Qi等论文作者发布AnchorQ方法论文（arXiv:2610.22852v1）：用流反向将参考行为映射为状态条件的潜在动作锚点，再通过局部粒子与价值引导采样改进策略，实现从粗到细的强化学习后训练。论文称在相同交互预算下，AnchorQ在样本效率上超过现有先进后训练基线。基于论文摘要，实验涵盖仿真与真实世界操控任务：真实世界成功率提升37%，仿真任务吞吐量提升97%。结果仍限于摘要所述实验，critic准确性等因素会影响方法可靠性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。