ReBRAC-v2：用系统化工程重振行为正则化离线强化学习

ReBRAC-v2重新审视传统行为正则化actor-critic：采用精确似然normalizing flow策略，结合似然、MSE与MAE克隆正则、分类式残差critic、分阶段训练和多样本动作选择。作者在十类OGBench任务上取得74.8平均分，明显高于次优聚合结果52.3，并在八类任务排名第一。