路径耦合贝尔曼流（PCBF）：一种分布式强化学习方法
Path-Coupled Bellman Flows for Distributional Reinforcement Learning
AI 导读
研究者提出连续时间分布式强化学习方法 PCBF，通过源一致、贝尔曼耦合的 flow matching 路径学习回报分布，并以共享基础噪声耦合当前与后继流，用 λ 参数化控制变量目标在偏差与方差间权衡。在可解析 MRP、OGBench 和 D4RL 上的实验显示分布拟合与训练稳定性提升，离线 RL 表现具竞争力。该工作已被 ICML 2026 接收。
来源：arXiv cs.AI · arxiv.org