DEG框架结合扩散模型与GFlowNet求解车辆路径问题
热点事件持续更新
DEG框架结合扩散模型与GFlowNet求解车辆路径问题
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
研究者提出扩散增强GFlowNet框架DEG，将GFlowNet与扩散模型结合：由GFlowNet生成边级反向信号，经扩散噪声调度扰动后再去噪，以增强向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，DEG均优于基线方法。该工作已被NeurIPS 2026接收。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 12:00
DEG：用扩散模型增强 GFlowNet 求解车辆路径问题报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · cs.AIDEG：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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。