GFlowNet 训练新思路：Negative Reinforce Dynamics (NRD) 算法

提出 Negative Reinforce Dynamics (NRD) 方法，将双玩家博弈转化为单策略动态，通过扩展探索提升 GFlowNet 训练性能。 该方法无需训练独立教师策略或辅助探索策略，在标准基准测试中，其收敛速度和探索效率均优于现有方法。 NRD 揭示了全梯度与 min-min 动态的联系，为优化采样分布提供了新的理论依据。