伯克利团队提出 Value Forcing 用于价值函数学习

UC Berkeley 的 Sergey Levine 团队发布 Value Forcing 方法，将 flow matching 的配方引入 RL 价值函数学习，在每个噪声层级强制 Bellman 一致性。此前将 flow matching 应用于价值函数的尝试效果不佳，而新方法即使在数据量较小的情况下也能准确估计价值函数，为机器人与强化学习提供了新思路。

2026-11-04 ~ 2026-11-04 · 2 条相关