OptiFlow一步流策略学习框架提出

2026年10月30日，arXiv 人工智能板块出现报道，Jaehun Shon 等作者提出基于最优传输的一步流策略学习框架 OptiFlow，将其表述为把一步流策略学习作为结构化样本分配问题来处理。报道称，该方法通过状态级熵最优传输，将价值感知参考流策略与高效一步策略联合训练，实现离线强化学习中的一步流策略学习；用 critic 估计值确定蒸馏目标动作的优先级，并以动作距离成本保证配对几何兼容，避免直接最大化 critic，从而锚定数据支持的高价值模态。报道注明该工作已被 NeurIPS 2026 接收，并公开了代码链接。目前进展停留在论文发布与代码公开阶段，报道未提及实验规模、对比结果或实际部署情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。