arXiv · cs.AI· Tiago da Silva, Amauri H. Souza, Salem Lahlou·· 2 天前
学习GFlowNet混合模型：连续索引与Stratum-Conditioned GFlowNets方法
Learning a Mixture of GFlowNets
arXiv:2610.07562v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Tiago da Silva, Amauri H. Souza, Salem Lahlou
研究任务与主要进展
论文提出用于从离散目标分布采样的GFlowNet混合模型理论框架，并具体化为连续索引和离散索引两类方法。作者声称，连续索引GFlowNet可提升图结构任务中的表达能力并减少学习不稳定；基于Doob h-transform启发的Stratum-Conditioned GFlowNets按模块函数划分状态空间，支持集中式和组件级并行训练，摘要报告其能加快学习收敛并改善模式覆盖。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org