MF2B：一步潜空间流策略用于离线强化学习

Shenghua Lu 等在 arXiv 发布论文，提出离线强化学习方法 MeanFlow2Better（MF2B），将离线 RL 建模为高维潜决策空间中从当前到更优性能状态的生成式决策块优化，通过共享条件平均速度场以一步 ODE 积分（Δt=1）完成决策改进，无需多步迭代采样或时间反传。 方法通过分层块级优势将序列长度从 T 压缩至约 T/H。基于论文摘要，在 D4RL Gym-MuJoCo 基准上 MF2B 平均得分 90.91，达到或超过强基线；该结果来自作者报告，尚未见独立复现。

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。