无需训练数据的强化学习：定点流匹配（FFM）微调流策略

针对在线强化学习中流策略依赖训练数据的问题，研究者提出定点流匹配（FFM），一种无需数据的流策略训练与微调方法。FFM 利用目标流恒等式将 actor 更新转化为定点迭代，以 critic 的动作梯度作为回归目标。实验表明，FFM 能在离线到在线场景中有效微调预训练流策略，也能在在线 RL 中从零高效训练流策略。