arXiv · cs.AI· Guhyeon Kang·· 21 天前AI 评分31
VAN-Flow：面向稀疏长时序环境的方差厌恶 n 步离线强化学习
Variance-Averse $n$-Step Offline Reinforcement Learning for Sparse Long-Horizon Environments
来源与原文
arXiv · cs.AI
作者：Guhyeon Kang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.07899v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 VAN-Flow（Variance-Averse n-step Flow），一种面向生成式离线强化学习的框架，结合 categorical 分布式 critic、方差厌恶期望算子与 flow-matching 生成 actor 及拒绝采样，在无需硬截断或辅助惩罚的情况下优先选择高回报、低方差动作。该框架在 D4RL 和 OGBench 的 40 多个任务上持续超越强基线，在长时序和高方差场景中优势最大。论文已被 NeurIPS 2026 接收。
来源：arXiv · cs.AI · arxiv.org