重新审视GFlowNet训练：负强化动力学

论文提出NRD方法，兼顾GFlowNet探索与正确性

资讯摘要

论文分析GFlowNet标准训练中半梯度更新将采样分布视为固定的问题，指出全梯度会以反探索方式降低观测误差，并将其与GFlowNet和解耦采样器之间的min-min动力学联系起来。作者据此提出Negative Reinforce Dynamics（NRD），通过绑定对抗博弈的参数恢复单一策略动态，在扩展探索的同时保持正确性。作者报告该方法在标准基准上收敛速度和探索效率均优于现有方法，且无需单独训练教师或辅助探索策略。

要点速读

1. 论文指出GFlowNet标准训练的半梯度更新将采样分布视为固定，全梯度则存在反探索机制
2. 作者将全梯度与GFlowNet和解耦采样器间的min-min动力学建立联系，据此提出NRD方法
3. 作者报告NRD在标准基准上收敛速度和探索效率优于现有方法，无需单独教师或辅助探索策略

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。