GFlowNets 是否可迁移？以 24/42 游戏为例
人工智能
2025-03-04 v1 计算与语言
摘要
生成多样化解答是人类类推理的关键要素，然而自回归语言模型仅聚焦于单一准确响应，限制了创造力。GFlowNets 将解答生成优化为流网络，展现出更大的多样性潜力。我们的案例研究表明，其零样本迁移性有限：在 24 游戏上微调小型和中型大语言模型后测试于 42 数据集。结果显示，GFlowNets 在维持解答多样性和准确性方面困难，凸显了其跨任务泛化的局限性，以及未来研究在提升迁移学习能力方面的必要性。
引用
@article{arxiv.2503.01819,
title = {Do GFlowNets Transfer? Case Study on the Game of 24/42},
author = {Adesh Gupta and Abhinav Kumar and Mansi Gupta and Paras Chopra},
journal= {arXiv preprint arXiv:2503.01819},
year = {2025}
}