Q-Learning with Scalar Adjoint Matching：用于流策略微调的 SQAM 方法

Q-Learning with Scalar Adjoint Matching（SQAM）用闭式标量伴随替代逐步 vector--Jacobian product，以更低成本微调流策略。SQAM 在四个最难的 OGBench 域上成功率比最强基线高 18 到 35 个百分点，并在真实双臂机器人上的三个任务中优于 supervised fine-tuning。