ReBRAC-v2：经典离线强化学习算法的回归与全面评测

ReBRAC-v2 通过精确似然归一化流策略、行为正则化和分类式残差 Critic，系统改进传统行为正则化 Actor-Critic 算法。在十类常见 OGBench 任务中平均得分达 74.8，领先次优方法的 52.3，并在八类任务中排名第一；在完整 OGBench 套件的 235 个状态型单任务问题上扩展评测，为后续研究提供参考基线。