提出QGF(Q-Guided Flow),一种在测试时通过预训练参考流策略和critic,利用价值梯度引导生成更高价值动作的RL算法,避免了训练不稳定,性能优于其他测试时方法并接近训练时算法。
机构:伯克利
来源:arXiv 2606.11087 | AI4Papers 论文推荐平台