GFlowNet训练新方法NRD提出

1. 12:00
   arXiv cs.AI

   重新审视 GFlowNet 训练：Negative Reinforce Dynamics

   研究揭示 GFlowNet 全梯度中存在一种反探索机制，会通过规避高误差区域来降低观测到的平衡误差，据此提出 Negative Reinforce Dynamics（NRD）。该方法将对抗博弈的参数绑定，恢复为单一策略动态，在扩展探索的同时保持正确性。在标准基准上，NRD 在收敛速度和探索效率上均优于现有方法，且无需训练单独的教师模型或辅助探索策略。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。