FLAG：通过潜变量增强引导的流策略最大熵强化学习

FLAG 是一种流策略最大熵强化学习方法，通过将状态空间与流潜变量增广，并优化一个可证明一致的代理 MaxEnt-RL 目标，把采样区域局部化以缓解重要性权重退化。作者指出，最大熵强化学习常把策略限制为简单高斯分布，而用重要性加权监督学习引入生成式策略又易出现权重崩溃，限制其在高维动作空间的可扩展性。实验显示，FLAG 在有限重要性样本下实现表达性策略优化，并可扩展到基于状态的高维控制任务，在基于状态的高维控制基准上取得表达性策略 MaxEnt 在线强化学习方法中的领先性能。该工作为 NeurIPS 2026 论文，代码与项目页面见原文链接。