**信任域 Q 伴随匹配**

_Trust Region Q Adjoint Matching_

> 针对预训练流策略在离线强化学习中因多步采样导致的不稳定性，本文提出信任域Q伴随匹配（TRQAM）算法，通过投影对偶下降自适应控制路径空间KL散度，实现稳定的离线微调。在50个OGBench任务上，TRQAM在离线RL和离线到在线RL中均显著优于现有方法，离线RL成功率从46%提升至68%。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.27079)