arXiv · ML· Boyang Xu, Qing Zou, Siqin Yang, Hao Yan·· 16 小时前AI 评分28
PCBF：一种路径耦合 Bellman 流的分布强化学习方法
Path-Coupled Bellman Flows for Distributional Reinforcement Learning
AI 导读
研究者提出 PCBF，这是一种用于分布强化学习（DRL）的连续时间方法，旨在通过 flow matching 学习回报分布。 PCBF 利用 source-consistent Bellman-coupled paths 解决现有方法中的 boundary mismatch 和 high-variance bootstrapping 问题。
来源：arXiv · ML · arxiv.org