arXiv · cs.AI· Yonghoon Dong·· 20 天前AI 评分37
SQAM：基于标量伴随匹配的 Q-Learning 方法用于流策略微调
Q-Learning with Scalar Adjoint Matching
来源与原文
arXiv · cs.AI
作者：Yonghoon Dong
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/2610.10437v1
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 Q-learning with Scalar Adjoint Matching（SQAM），利用预训练流策略速度 Jacobian 对角集中的特性，推导出闭式标量伴随，省去逐步向量-Jacobian 乘积。在 OGBench 四个最难领域上，SQAM 成功率比各域最强基线高 18 到 35 个百分点；在真实双臂机器人上微调视觉-语言-动作策略，三个任务均优于监督微调。
来源：arXiv · cs.AI · arxiv.org