RewardFlow：基于状态图拓扑估计动作级奖励

Xiao Feng 等论文作者在 arXiv 发表 RewardFlow 论文，提出通过状态图拓扑估计动作级奖励：将任务中多条轨迹经由共享状态（按任务相关等价性或语义相似性分组）连接成有向状态图，把成功状态的奖励按最短路径距离回传，从而为智能体强化学习生成动作级优势，无需学习过程奖励模型或人工动作标注。 该论文已被 NeurIPS 2026 接收，配套代码已公开发布。

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。