arXiv · cs.LG· Hao Cheng, Yuling Jiao, Lican Kang, Jerry Zhijian Yang, Chen Zhong·· 3 小时前
基于条件流模型的离线最大熵强化学习框架
Conditional Flow Models for Offline Maximum Entropy Reinforcement Learning
AI 导读
研究者提出一种将环境建模与价值学习分离的离线最大熵强化学习框架：用基于概率流 ODE 的条件扩散模型估计条件奖励分布与转移核，由此构造软最优 Bellman 算子的数据驱动近似，并在深度神经网络类上最小化经验 Bellman 残差以估计 Q*。
来源：arXiv · cs.LG · arxiv.org