信任区域Q伴随匹配

Yonghoon Dong, Kyungmin Lee, Changyeon Kim, Jaehyuk Kim, Jinwoo Shin

2026

摘要

本文提出信任区域Q伴随匹配（TRQAM），一种稳定的离策略微调算法，通过投影对偶下降自适应控制预训练流策略的路径空间KL散度。实验表明，TRQAM在50个OGBench任务上显著优于现有方法，离线RL成功率提升至68%。

off-policy reinforcement learningtrust regionflow policiesadjoint matchingprojected dual descent

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

开放获取📊 0 引用

Alberto Garzás-Villar, Alba Riera-Cardona, Alexis Derumigny 等 6 位作者

2026

LEARNING

开放获取📊 0 引用

Jaewoo Lee, Hyeongyu Kang, Dohyun Kim 等 12 位作者

2026

LEARNING

开放获取📊 0 引用

Haoxiang You, Yilang Liu, Davis Zong 等 8 位作者

2026