Key points are not available for this paper at this time.
यह पत्र जनरेटिव फ्लो नेटवर्क (GFlowNets) का अध्ययन करता है, जो वस्तुओं को दिए गए पुरस्कार कार्य के अनुसार नमूना लेना सीखते हैं राज्य संक्रमण की पराक्रम के माध्यम से। इस कार्य में, हम यह अवलोकन करते हैं कि GFlowNets उच्च-इनाम वस्तुओं का कम उपयोग करते हैं, जो कि अपर्याप्त संख्या में पराक्रम पर प्रशिक्षण के कारण होता है, जिससे अनुमानित प्रवाह और (ज्ञात) पुरस्कार मूल्य के बीच एक बड़ा अंतर हो सकता है। इस चुनौती का समाधान करते हुए, हम GFlowNets (PBP-GFN) के लिए एक निराशावादी पूर्ववर्ती नीति का प्रस्ताव करते हैं, जो देखे गए प्रवाह को अधिकतम करती है ताकि वस्तु के लिए सच्चे पुरस्कार के साथ निकटता से संरेखित हो सके। हम PBP-GFN का व्यापक रूप से आठ मानकों पर मूल्यांकन करते हैं, जिसमें हाइपर-ग्रिड वातावरण, बैग जेनरेशन, संरचित सेट जेनरेशन, आणविक जेनरेशन, और चार RNA अनुक्रम जेनरेशन कार्य शामिल हैं। विशेष रूप से, PBP-GFN उच्च-इनाम वस्तुओं की खोज को बढ़ाता है, वस्तुओं की विविधता बनाए रखता है, और लगातार मौजूदा विधियों को पीछे छोड़ता है।
जांग एट अल। (शुक्रवार,) ने इस प्रश्न का अध्ययन किया।