SQAM方法优化流策略强化学习微调

2026年10月7日，Hugging Face Daily Papers报道，研究者提出Q-learning with Scalar Adjoint Matching（SQAM）方法，用于高效微调流策略。该方法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。报道称，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。目前该事件仅有这一篇报道，尚无后续进展或矛盾信息。

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。