この論文では、floq (flow-matching Q-functions)を紹介します。これは、反復計算とフローマッチング技術を活用して強化学習における批評家を訓練するための新しいアプローチです。

このページには第三者のコンテンツが含まれている場合があり、情報提供のみを目的としております（表明・保証をするものではありません）。Gateによる見解の支持や、金融・専門的な助言とみなされるべきものではありません。詳細については免責事項をご覧ください。