CoRL 报告：测试时梯度引导 flow/diffusion 策略，直指 RL 扩展难题

Zhiyuan Zhou 的报告《Test-Time Gradient Guidance of Flow Policies in Reinforcement Learning》在 CoRL 现场指出，RL 在 offline/off-policy 场景中因 actor 与 critic 目标相互依赖而面临优化不稳定、对超参数敏感等问题。