研究者将PPO引入GFlowNet训练

研究者在生成流网络（GFlowNet，Generative Flow Network）框架下推导出标准策略梯度算法的对应形式，并首次将近端策略优化（PPO，Proximal Policy Optimization）成功应用于 GFlowNet 训练。在合成能量到分子图生成的基准上，该方法的收敛速度和数据效率均优于标准 GFlowNet 训练目标。