将 PPO 应用于 GFlowNet：实现摊销离散采样的策略优化方法

该研究首次成功将 PPO 应用于 GFlowNet 框架，用于训练采样结构化离散分布的随机策略，并推导了 GFlowNet 对应的标准策略梯度算法。实验显示，在合成能量和分子图生成基准测试中，PPO 相比标准目标具有更快的收敛速度。