AITOP
精选
过去 24 小时，从 745 条中筛出 45 条
全部模型产品行业论文技巧
标签：QGF×
6月11日
15:28
15:23
15:07
6月10日
11:28
11:28arXiv cs.AI@Zhiyuan Zhou, Andy Peng, Charles Xu, Qiyang Li, Tobias Springenberg, Kevin Frans, Sergey Levine
精选
强化学习中的扩散/流模型策略虽在模仿学习中表现出色，但整合到RL训练中常因稳定性问题而受限。本文提出QGF（Q-Guided Flow），一种仅在测试时进行策略优化的RL算法。它预训练一个参考流策略（通过行为克隆）和一个价值函数，在测试时利用价值梯度引导参考策略生成更高价值的动作，无需额外策略学习。实验表明，QGF在离线RL基准上优于现有测试时方法，与最先进的训练时算法性能相当且计算成本更低，且随模型规模扩展表现良好。
论文强化学习流模型测试时优化QGF离线RL
推荐理由：做机器人控制或连续控制RL的团队，如果受困于扩散/流模型训练的不稳定性，QGF提供了一种“训练照旧、测试优化”的实用方案，值得一试。
原文
6月1日
00:09
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？