ArcFlow：面向多求解器预算训练流策略

研究者提出 Action-Ratio-Clip Flow（ArcFlow），一种部署感知算法，用单个流策略覆盖指定范围的求解器预算，避免单一固定预算强化学习在更廉价部署预算下性能退化。该方法结合动作对齐监督、预算暴露和最差预算检查点选择，在 DM Control、操作与运动任务上，五种流策略基线的训练设置下，30 个任务中有 25 个取得最高平均单步回报，同时保持架构与部署时成本不变。