PA-BFM用后验平均Bellman流匹配降低分布式Critic噪声

Zeqiao Li等作者发布论文，提出Posterior-Averaged Bellman Flow Matching（PA-BFM）分布式Critic训练方法：通过采样多个Bellman端点、推断潜在锚点的闭式后验，并回归到后验平均速度，以降低分布式评论器目标的噪声。论文摘要称该方法基于作者声称，材料为arXiv摘要，本站未核验全文。 据论文摘要，在50个OGBench任务和四个offline-to-online场景中，PA-BFM的聚合性能高于Value Flows，这一对比结果目前为作者报告，尚无独立复现。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。