qgf

Q-Guided Flow（QGF）是一个基于JAX实现的测试时强化学习算法框架，核心思想是通过分离训练流匹配策略（行为克隆）与TD式评论家，在推理阶段利用新型评论家梯度估计器引导去噪过程，从而在不更新策略网络的前提下提升动作价值采样质量。项目支持MuJoCo类连续控制任务及OGBench离散结构化决策任务，提供完整的离线RL实验流程、超参配置接口与SLURM批量调度脚本。适用于需在固定策略上进行在线策略改进的场景，如机器人控制、组合优化与结构化序列决策等离线强化学习研究与应用。