AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:流模型×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
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
精选全部日报登录