DRIFT：离线到在线强化学习的离散流匹配方法

2026年10月15日，arXiv 人工智能板块出现一篇报道，介绍一种名为 DRIFT 的在线微调方法。据该报道，DRIFT 面向离线到在线强化学习场景，其做法是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；同时通过路径空间惩罚，对完整 CTMC 轨迹分布进行正则化，以保留预训练阶段获得的知识。报道将上述内容归为 Fairoz Nower Khan、Nabuat Zaman Nahim、Peizhong Ju 提出的方法。目前该事件仅有这一篇报道，尚无后续跟进报道，也没有出现与早先报道在数字、时间或说法上的矛盾。关于该方法的具体适用对象、收费或额度、地域范围及使用限制，报道中未作说明。

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。