DEG：用扩散模型增强 GFlowNet 求解车辆路径问题

研究者提出 Diffusion-Enhanced GFlowNet（DEG），将 GFlowNet 与扩散模型结合，用 GFlowNet 生成边级反向信号、经扩散噪声调度扰动后再去噪，以增强高奖励区域的流扩展。该方法还引入可动态适配不同问题规模的解码器，在含多达 10,000 个节点的合成与真实数据集上均优于基线方法。该工作已被 NeurIPS 2026 接收。