Zhiyuan Zhou等提出QGF测试时梯度引导强化学习算法

2026年10月30日，Zhiyuan Zhou等人在arXiv发布论文，提出名为Q-Guided Flow（QGF）的强化学习算法。该算法旨在通过测试时策略优化替代传统的不稳定训练过程。 QGF利用预训练的流策略和价值函数，在测试阶段通过价值梯度引导生成高价值动作。这一机制避免了演员-批评家架构训练时的不稳定性，且运行成本更低，目前已在单任务和目标条件离线强化学习基准上超越现有测试时方法。 该算法展现出随模型规模扩展的良好特性，为使用高维动作空间的机器人控制提供了实用且高效的强化学习替代方案。其性能可与最先进的训练时算法竞争，但运行成本显著更低。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。