論文の概要: Retimed Bellman Flows: Escaping the Impossible Triangle of Velocity Bootstrapping

• arxiv url: http://arxiv.org/abs/2609.32828v1
• Date: Sat, 26 Sep 2026 17:58:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 19:50:18.066223
• Title: Retimed Bellman Flows: Escaping the Impossible Triangle of Velocity Bootstrapping
• Title（参考訳）: 繰り返しベルマン流:速度ブーストトラップの不可能な三角形を逃れる
• Abstract要約: フロー評論家は、連続速度場を介してガウスノイズをベルマンエンドポイントに輸送することで、戻り分布を学習する。 ReBF(Retimed Bellman Flows)は、教師の批判に対して、より早いフロータイムで動的にシフトした質問を行う。 ReBFは、ベルマンの不動点とワッサーシュタイン距離の下での契約を保存する、証明可能な条件のない速度目標を構築する。
• 参考スコア（独自算出の注目度）: 4.845167893093234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flow critics learn return distributions by transporting Gaussian noise to Bellman endpoints via continuous velocity fields. While velocity bootstrapping stabilizes training by querying a successor teacher, existing methods face a structural dilemma: on straight paths, no residual-free same-time affine mapping can preserve Gaussian initial noise while maintaining an unbiased target. To overcome this limitation, we introduce Retimed Bellman Flows (ReBF). ReBF queries the teacher critic at a dynamically shifted earlier flow time, aligning intermediate student and teacher trajectories. By combining this retimed clock with fresh, decoupled noise generation, ReBF constructs a provably conditionally unbiased velocity target that preserves the Bellman fixed point and contracts under Wasserstein distances. Empirically, ReBF reduces $W_1$ distance to ground-truth return distributions by up to $7.7\times$ on synthetic MRPs and outperforms existing flow critics across 38 challenging OGBench and D4RL offline reinforcement learning tasks.
• Abstract（参考訳）: フロー評論家は、連続速度場を介してガウスノイズをベルマンエンドポイントに輸送することで、戻り分布を学習する。 ベロシティ・ブートストラッピングは後継教師に問い合わせることでトレーニングを安定させるが、既存の手法では構造ジレンマに直面している。 この制限を克服するために、Retimed Bellman Flows (ReBF)を紹介する。 ReBFは、教師の批判を動的に変化した早い時間にクエリし、中間の学生と教師の軌跡を整列させる。 ReBFは、このリタイムクロックと新鮮で疎結合なノイズ発生を組み合わせることで、ベルマン固定点とワッサーシュタイン距離の下での契約を保存する、証明可能な条件のない速度目標を構築する。 実験的に、ReBFは、合成MPPの最大7.7\times$までW_1$距離を削減し、38の挑戦的なOGBenchとD4RLのオフライン強化学習タスクにおいて既存のフロー批評家より優れている。

関連論文リスト

• Flow-Map Distillation on Relation Manifolds for Image Restoration [37.13611158629787]
  本研究では,関係多様体上の連続フローマッピング問題として関係に基づく知識伝達を再構成する,関係多様体上のフローマップ蒸留を提案する。 学習フローマップのグローバルな自己整合性を確保するために,構成合意を強制する安全な半群制約を導入する。 超高分解能, デラリニング, 脱臭, 低照度化を含む5つの画像復元作業の実験は, 最先端の蒸留ベースラインに対して一貫した利得を示した。
  論文  参考訳（メタデータ） (2026-08-06T08:59:28Z)
• No Free Lunch in Flow Surrogates under Time-Varying Boundary Conditions: A Two-Regime Study [0.48127184936824546]
  単純な状態で検証されたフローサロゲートは、このアプローチがよりリッチなものにもたらされる証拠として、しばしば見なされる。 プロセス起動を模擬した時間変化境界条件下で, この仮定を2つの過渡流上で検証する。
  論文  参考訳（メタデータ） (2026-07-26T14:02:46Z)
• NormGuard: Reward-Preserving Norm Constraints in Flow-Matching Reinforcement Learning [42.29085249260694]
  強化学習(RL)は、フローベースジェネレータの報酬アライメントを改善するが、しばしば知覚品質を低下させる。 3つのポストトレーニング法(NFT, AWM, DPO)にまたがるこのドリフトの単純な構造的シグネチャを同定する。 RLファインチューニングは、基準に対してステップごとの速度ノルムを$|v_|$で$5%から$5%$で膨らませる。
  論文  参考訳（メタデータ） (2026-06-26T06:56:54Z)
• Learning to Solve Generative ODEs Beyond the Linear Span [50.13853710831612]
  空間残留演算子を用いてスカラー係数更新を増強する軽量ニューラルソルバであるSpanLiftを提案する。 SpanLiftは、ピクセル空間の拡散、潜水流のマッチング、降水は今、最先端の数ステップのサンプリングを実現している。
  論文  参考訳（メタデータ） (2026-06-07T15:22:13Z)
• Path-Coupled Bellman Flows for Distributional Reinforcement Learning [6.000836623151053]
  Path-Coupled Bellman Flows (PCBF) はフローマッチングを用いて戻り分布を学習する。 PCBFは電流と後継リターンを結合し、共有ベースノイズを流れる。 解析的抽出可能なMPP, OGBench, D4RLの実験では, 分布密度とトレーニング安定性が向上した。
  論文  参考訳（メタデータ） (2026-05-07T19:05:01Z)
• Riemannian MeanFlow for One-Step Generation on Manifolds [54.09734511705173]
  フローマッチングは、生成モデルのシミュレーション不要なトレーニングを可能にする。 平均フローは、位置依存接空間に速度が存在する多様体値生成に拡張することができる。 球面, トーリ, SO(3)における実験は, 品質・効率のトレードオフを改善し, サンプリングコストを大幅に削減して, 競争力のある一段階サンプリングを実証した。
  論文  参考訳（メタデータ） (2026-03-11T12:41:46Z)
• Improved Mean Flows: On the Challenges of Fastforward Generative Models [81.10827083963655]
  MeanFlow (MF)は、最近ワンステップ生成モデリングのフレームワークとして確立されている。 ここでは、トレーニング目標とガイダンスメカニズムの両方において、重要な課題に対処する。 我々の改革により、より標準的な回帰問題が発生し、訓練安定性が向上する。 全体として、スクラッチから完全にトレーニングされた$textbfimproved MeanFlow$$(textbfiMF$)メソッドは、ImageNet 256$times$256上の単一の関数評価(1-NFE)で$textbf1.72$ FIDを達成する。
  論文  参考訳（メタデータ） (2025-12-01T18:59:49Z)
• FlowSteer: Guiding Few-Step Image Synthesis with Authentic Trajectories [82.90132015584359]
  ReFlowはフローマッチングと理論的に整合性があるが、現実的なシナリオでは最適ではない。 本研究では,ReFlowをベースとした蒸留手法であるFlowSteerを提案する。
  論文  参考訳（メタデータ） (2025-11-24T07:13:23Z)
• Conditional Flow Matching for Bayesian Posterior Inference [0.0]
  本稿では,フローマッチングを用いた多変量後部サンプル作成手法を提案する。 単純なトレーニング目標を提供し、可能性評価へのアクセスを必要としない。
  論文  参考訳（メタデータ） (2025-10-10T16:48:28Z)
• Efficient Regression-Based Training of Normalizing Flows for Boltzmann Generators [85.25962679349551]
  ボルツマン・ジェネレータ(BG)は効率的なサンプリングと可能性を提供するが、最大可能性によるトレーニングはしばしば不安定であり、計算的に困難である。 本稿では,従来の最大値トレーニングの数値不安定性と計算課題を回避し,新しい,スケーラブルなトレーニング目標である正規化フローの回帰トレーニングを提案する。
  論文  参考訳（メタデータ） (2025-06-01T20:32:27Z)
• Optimal Flow Matching: Learning Straight Trajectories in Just One Step [89.37027530300617]
  我々は,新しいtextbf Optimal Flow Matching (OFM) アプローチを開発し,理論的に正当化する。 これは2次輸送のための直列のOT変位をFMの1ステップで回復することを可能にする。 提案手法の主な考え方は,凸関数によってパラメータ化されるFMのベクトル場の利用である。
  論文  参考訳（メタデータ） (2024-03-19T19:44:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。