SMFP：单步生成式强化学习策略论文发布

Zeyuan Wang 等在 arXiv 发布 Stochastic MeanFlow Policies（SMFP）论文，提出一种将 MeanFlow 噪声到动作映射与高斯重参数化结合的单步生成式策略类，并用基于熵镜像下降的解析熵下界调节策略随机性。 作者称，在七个 MuJoCo 基准上，SMFP 以单步推理相对高斯和生成式基线取得较强性能；额外实验还展示了多模态动作建模和稀疏奖励导航中的探索能力。当前材料仅提供论文摘要，未说明具体实验细节。

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。