Discrete Flow Matching para Aprendizaje por Refuerzo Offline-a-Online
Resumen del corpus
Se presenta DRIFT, un método de ajuste fino en línea que actualiza una política de Markov de tiempo continuo (CTMC) preentrenada offline usando una pérdida de matching de flujo discreto ponderada por ventaja. El método incluye una penalización para preservar el conocimiento preentrenado y una aproximación de conjunto candidato para manejar espacios de acción discretos grandes. Los resultados demuestran que DRIFT supera a su contraparte solo en línea en juegos MinAtar y logra un rendimiento superior.
Tags
Personas mencionadas
Noticia original