GFlowNet 提出负向强化动力学(NRD)训练方法

2026年10月30日，arXiv(cs.AI)发布新论文，正式提出负向强化动力学(Negative Reinforce Dynamics, NRD) 算法。该方法旨在将双玩家博弈转化为单策略动态，专门用于提升 GFlowNet 模型的训练性能。 在技术机制上，NRD 揭示了全梯度与 min-min 动态之间的理论联系。通过利用这一洞察，算法设计无需训练独立的教师策略或辅助探索策略，即可实现有效的状态探索，为优化采样分布提供了新的理论依据。 在标准基准测试中，该方法表现出显著优势，其收敛速度和探索效率均优于现有 GFlowNet 训练方法。研究证实，该策略能通过避免高误差区域有效减少违规情况，实现了基于单一策略的性能突破。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。