arXiv · AI· Zhuguanyu Wu, Congjia Chen, Ruihao Gong, Yang Yong, Shiqiao Gu, Yi Xu, Xianglong Liu·· 5 小时前AI 评分31
Geo-FSRL：面向少步流强化学习的随机策略几何优化方法
Optimizing Stochastic Policy Geometry for Few-Step Flow Reinforcement Learning
AI 导读
该研究提出 Geo-FSRL 方法，通过最小化条件 KL 散度诱导的几何因子来选择最优随机策略。 在等向高斯转移族中推导出唯一闭式优化器，结合梯度尺度匹配推导闭环策略梯度权重。Geo-FSRL 在 4 步设置下于图像与视频生成任务中取得优于 Flow-GRPO 和 Flow-CPS 的最终奖励分数，代码已开源。
来源：arXiv · AI · arxiv.org