标签
FlowBudget 提出一种免训练的采样预算估计方法,通过无需仿真的插值探针估计相对于求解器的采样复杂度,从而在不进行 FID 与 NFE 扫描的情况下,确定流匹配模型所需的函数求值次数(NFE)。
GenPO++ 提出了一种可逆生成式策略优化框架,该框架在高阶可逆 ODE 求解器中使用历史状态作为辅助记忆,从而为强化学习中的流式策略实现精确反演和无雅可比似然比计算。它在大规模控制、微调和真实世界机器人任务上取得了有竞争力的性能,同时提高了稳定性和效率。