斯坦福 Chelsea Finn 团队提出生成式价值分类器 GVC，用动作似然反推 Q 函数

斯坦福 Chelsea Finn 团队提出生成式价值分类器 GVC，通过动作似然反推隐式 Q 函数，让每个预训练动作都参与价值学习。GVC 学习回报条件化动作模型 p(a|s,z) 与回报先验 p(z|s)，以贝叶斯规则恢复各回报区间的分布，并在离线与在线 RL 任务中超过领先的判别式方法。