Q-Learning with Scalar Adjoint Matching：SQAM 如何高效微调流策略

研究者提出 Q-learning with Scalar Adjoint Matching（SQAM），通过闭式标量伴随将价值梯度按流时间缩放，消除了逐步的 vector-Jacobian 乘积计算。SQAM 在 OGBench 四个最难域上成功率超过最强基线 18 至 35 个百分点，并在真实双臂机器人的视觉-语言-动作策略微调中，三个任务均优于监督微调。