Sergey Levine· svlevine·· 7 天前AI 评分58
Value Forcing：在价值生成流每一步施加贝尔曼一致性的分布流强化学习
Distributional flow RL where we enforce Bellman consistency not just on the values, but on every step of the value-generation flow proces...
AI 导读
Sergey Levine 转发介绍 Value Forcing，一种在价值生成流的每个噪声层级都施加贝尔曼一致性的价值函数估计方法，作者称其在小数据量下也能准确估计价值。该方法用于分布流强化学习，能给出更好刻画价值分布的价值分布，并带来更好的策略。此前将 flow matching 用于价值函数的方法会产生有偏、坍缩的预测。
来源：Sergey Levine · x.com