DEFlow：深度平衡流最大熵强化学习

DEFlow 是一种深度平衡流策略，用隐式欧拉积分替代显式欧拉采样，将所有中间动作作为平衡系统联合求解，并结合隐式微分与离散变量变换公式计算最终动作密度，从而在 soft actor-critic 中实现 off-policy 训练且无需对求解器迭代反向传播。