DEFlow深度平衡流策略论文发布

2026年10月15日，arXiv Robotics 刊出 Ruslan Ageev 等作者的论文，提出 DEFlow——一种深度平衡流策略，用于最大熵强化学习。论文称，DEFlow 以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。该报道为目前关于此事件的唯一报道，未出现后续跟进或与早先报道矛盾之处。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。