提出VRD框架解决离线强化学习OOD模式平均问题

Ke Jiang 等研究者在 arXiv 发布的论文中提出价值矫正蒸馏框架 VRD，用于解决离线强化学习中蒸馏基于 Flow Matching 的行为策略时，多模态数据导致的分布外（OOD）模式平均问题。框架包含两种算法：VRD-Q 通过价值分位数过滤低价值行为，VRD-R 通过重组潜空间隔离高价值轨迹。论文称实验显示 VRD 在 D4RL、OGBench 和 Mineli 基准的连续控制与规划任务上优于现有生成式基线，在多模态非专家数据集上提升尤为明显。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。