混合GFlowNet与SC采样框架

Tiago da Silva、Amauri H. Souza和Salem Lahlou提出一套用于从离散目标分布采样的混合GFlowNet理论框架，并具体化为连续索引（CI）和离散索引两类模型。论文称，CI方法可解释为随机特征扩展，在图结构任务中提升采样器表达能力，并通过谱移位减少学习不稳定。 基于该框架，作者提出受Doob h-transform启发的Stratum-Conditioned GFlowNet：按预设模块函数划分状态空间，让各组件负责不同子集。论文摘要报告，集中式和组件级并行训练均能加快收敛并改善模式覆盖，且没有引入不可忽略的额外计算；这些结果目前依据为论文摘要，未见独立复现信息。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。