Optimización de Políticas Proximales Variacionales
Descubre VP2O, el nuevo marco de optimización variacional que logra +179 ELO en Codeforces y reduce un 32% los tokens en tareas matemáticas.
#gradiente variacional de stein
RL para Políticas de Flow-Matching con Transporte de Densidad
RLDT: algoritmo RL con transporte de densidad y gradiente variacional para mejorar políticas de flujo, superando a métodos previos en control continuo.