SACフローは、清華大学、カーネギーメロン大学、その他の大学や研究機関の研究チームによって2025年10月に共同で提案されました。関連する研究成果は論文「特徴最適アライメントによるクローズドソースMLLMに対する敵対的攻撃”。

SAC Flowは、フローベースのポリシーサンプルを対象とした、効率的で高性能なオフライン強化学習アルゴリズムです。フローベースのポリシーを学習する際の勾配不安定性の問題に対処するため、フローベースのモデルをシーケンスモデルとして扱い、その速度ネットワークをGRUまたはTransformerとして再パラメータ化します。研究者らは、SAC Flowの性能をde novo学習とオフラインからオンラインへの学習の両方の設定で評価し、高速収束を実証し、複数の動作および操作タスクにおいて最先端の性能を達成しました。