MarginFlow：GFlowNet 学出理想采样提议，1190 个矩阵规模零样本泛化

Tsinghua · hf · 2026-09-30

清华团队提出 MarginFlow，解决固定行列和的二值矩阵计数与均匀采样问题。作者证明理想序列重要性采样（SIS）提议恰好是对所有满足给定边数的矩阵奖励为 1 的 GFlowNet 策略，从而把提议分布设计转化为学习问题：一个读取剩余边数的 set transformer 即可跨边数摊销服务所有规模。在 1904 个边数上训练，1190 个 held-out 边数（3×3 到 870×6）零样本评测：1187 个上达到或超越 31 个解析设计中事后最优者，中位有效样本比例 99.8%；在最困难的 56 个边数上全胜，将中位有效样本比例从 10.3% 提升至 94.1%。