Hao Cheng团队提出条件流离线最大熵强化学习框架

2026年10月26日，Hao Cheng等人在arXiv发表研究，提出一种基于条件扩散模型和概率流ODE的离线最大熵强化学习框架。 该方法通过分别估计条件奖励分布和转移核，并最小化经验Bellman残差来估计最优软动作价值函数。 研究建立了非渐近理论保证，包括总变差误差界及Hölder正则性下的超额Bellman残差风险界，且无需依赖Bellman完备性假设。数值实验结果验证了该理论发现及方法的有效性。

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。