FLAG：流策略最大熵强化学习新方法

Sungha Kim等作者提出FLAG，一种流策略最大熵强化学习方法：将状态空间与流潜变量增广，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。作者称，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易出现权重崩溃，限制其在高维动作空间的可扩展性。 作者在基于状态的高维控制基准上报告，FLAG在有限重要性样本下实现表达性策略优化，并取得表达性策略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；上述性能结论来自作者自述，未提及独立验证。

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。