arXiv · Machine Learning· Zhuguanyu Wu, Congjia Chen, Ruihao Gong, Yang Yong, Shiqiao Gu, Yi Xu, Xianglong Liu·· 8 小时前AI 评分40
Geo-FSRL 提出面向少步流强化学习的策略几何优化方法
Optimizing Stochastic Policy Geometry for Few-Step Flow Reinforcement Learning
AI 导读
Geo-FSRL 提出一种策略选择原则，通过最小化条件 KL 散度优化少步流模型中的随机策略，并推导出闭式最优解。在此基础上，方法进一步推导策略梯度和 KL 权重，以匹配不同时间步的梯度尺度。在 4-step 图像和视频生成任务中，Geo-FSRL 的最终奖励分数均高于 Flow-GRPO 和 Flow-CPS。
来源：arXiv · Machine Learning · arxiv.org