VAN-Flow面向稀疏长时程离线强化学习

Guhyeon Kang与Minhae Kwon提出VAN-Flow，用于在生成式离线强化学习中改善稀疏奖励、长时程环境下的动作选择。该框架以分类分布评论器估计回报，通过方差规避期望算子偏好高回报且低离散度的动作，并用拒绝采样引导流匹配生成策略。 论文摘要称，VAN-Flow在D4RL和OGBench的40多个任务中持续优于强基线，较大收益集中在长时程和高方差场景；当前证据仅来自摘要，未说明具体基线、指标或结果数值。

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。