0-局部搜索 GFlowNets(ICLR 2024)(未完)(code)

Abstract

生成流网络（Generative Flow Networks，简称 GFlowNets）是一种学习离散对象分布的摊销采样方法，其分布与奖励成正比。GFlowNets 在生成多样化样本方面表现出色，但由于在宽广的样本空间中过度探索，偶尔难以稳定地产生高奖励的样本。本文提出通过局部搜索训练 GFlowNets，专注于利用高奖励样本空间来解决这一问题。我们的主要思路是通过回溯和重构探索局部邻域，这分别由后向和前向策略引导。与典型的 GFlowNet 生成方案不同，该方案通过前向策略从零生成解，而我们的方法允许将样本偏向高奖励的解。大量实验表明，在多个生化任务中，我们的方法显著提升了性能。源码已开源：https://github.com/dbsxodud-11/ls_gfn。

Introduction

生成流网络（Generative Flow Networks，简称 GFlowNets，Bengio 等人，2021）是一类概率模型，旨在学习对象的奖励比例分布，特别是