提出DRIFT离散流匹配离线到在线RL方法

Fairoz Nower Khan 等发布 arXiv 论文，提出 DRIFT：一种面向离散动作空间的在线微调方法，用优势加权的离散流匹配损失更新离线预训练的连续时间马尔可夫链（CTMC）策略。 论文报告的实验结果为：在宏动作 MinAtar 游戏上，离线预训练的 DRIFT 在全部五个游戏中优于纯在线对照，并在其中三个游戏取得最高平均回报；在无 oracle 的 Jericho 上，配合轻量 GRU 编码器取得 7.3% 的平均归一化分数，优于所评估的预训练语言模型基线。 以上均为作者在论文中的实验声明，基于摘要信息，未见独立验证。

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。