arXiv Artificial Intelligence· Shenghua Lu, Zixuan Yang, Rongxu Zhao, Bohao Qu, Jifeng Hu, Hechang Chen·2026-10-15 12:00· 18 小时前AI 评分24

MeanFlow2Better：面向离线强化学习的一步潜空间流策略

From Suboptimal to Optimal: One-Step Latent Flow Policies for Offline Reinforcement Learning

AI 导读

针对扩散与流匹配策略从高斯噪声出发、需多步迭代且难以利用次优轨迹的问题，研究者提出 MeanFlow2Better（MF2B），将离线强化学习重构为高层潜决策空间中的生成式决策块优化。