流匹配强化学习综述在TMLR发表

2026年10月15日，arXiv Artificial Intelligence 收录一篇题为《强化学习中的流匹配综述》的论文，作者为 Nabuat Zaman Nahim、Fairoz Nower Khan、Peizhong Ju。据该论文页面信息，这篇综述系统梳理了流匹配（FM）在强化学习中的应用，按两条轴线组织文献：一是建模目标分布，包括动作策略、价值评论家和转移动态；二是强化学习信号整合机制，包括能量加权回归、基于流的策略梯度和组相对策略优化。论文页面注明其篇幅为52页，发表于 Transactions on Machine Learning Research（TMLR）2026年，并获 Survey Certification。截至本综述更新时，尚无后续跟进报道，事件进展以该论文的发表信息为准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。