论文10:59SQAM：用标量伴随匹配做 Q-Learning，加速流策略 RL 微调流策略微调太慢的问题有解了，这篇 SQAM 砍掉了每步的反向传播计算，OGBench 难题成功率提升最多 35 个点，还验证到了真实双臂机器人上。#SQAM#OGBench#强化学习#flow policyaarXiv cs.AI@Yonghoon Dong 等 6 人原文稍后读已读值得跟进有用关注 SQAM
论文10:25LBLP：用不等式约束重构离线RL的贝尔曼最优性训练离线RL可以不用目标网络和EMA了，ALBUM单critic在OGBench追平FQL，显存最省#ALBUM#OGBench#FQL#离线强化学习aarXiv cs.LG@Hyukjun Yang 等 4 人原文稍后读已读值得跟进有用关注 ALBUM