arXiv Artificial Intelligence· Fairoz Nower Khan, Nabuat Zaman Nahim, Peizhong Ju·2026-10-15 12:00· 19 小时前AI 评分22

DRIFT：面向离线到在线强化学习的离散流匹配方法

Discrete Flow Matching for Offline-to-Online Reinforcement Learning

AI 导读

DRIFT 是一种在线微调方法，用优势加权离散流匹配损失更新离线预训练的连续时间马尔可夫链（CTMC）策略，并通过路径空间惩罚正则化完整 CTMC 轨迹分布以保留预训练知识。