Buchumschlag

Beyond Squared Error: Exploring Loss Design for Enhanced Training of Generative Flow Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Rui, Zhang, Yifan, Li, Zhuoran, Huang, Longbo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond the Proxy: Trajectory-Distilled Guidance for Offline GFlowNet Training
von: Chen, Ruishuo, et al.
Veröffentlicht: (2025)

Reparameterization Flow Policy Optimization
von: Zhong, Hai, et al.
Veröffentlicht: (2026)

PowerFlow: Unlocking the Dual Nature of LLMs via Principled Distribution Matching
von: Chen, Ruishuo, et al.
Veröffentlicht: (2026)

Beyond Shallow Behavior: Task-Efficient Value-Based Multi-Task Offline MARL via Skill Discovery
von: Wang, Xun, et al.
Veröffentlicht: (2025)

OM2P: Offline Multi-Agent Mean-Flow Policy
von: Li, Zhuoran, et al.
Veröffentlicht: (2025)

Reparameterization Proximal Policy Optimization
von: Zhong, Hai, et al.
Veröffentlicht: (2025)

Finite-time Convergence Analysis of Actor-Critic with Evolving Reward
von: Hu, Rui, et al.
Veröffentlicht: (2025)

Z-Error Loss for Training Neural Networks
von: Godin, Guillaume
Veröffentlicht: (2025)

Exploring Criteria of Loss Reweighting to Enhance LLM Unlearning
von: Yang, Puning, et al.
Veröffentlicht: (2025)

Network Topology Optimization via Deep Reinforcement Learning
von: Li, Zhuoran, et al.
Veröffentlicht: (2022)

Layer-Aware Influence for Online Data Valuation Estimation
von: Yang, Ziao, et al.
Veröffentlicht: (2025)

Real-Time Parallel Counterfactual Regret Minimization
von: Li, Boning, et al.
Veröffentlicht: (2026)

SoftSignSGD(S3): An Enhanced Optimizer for Practical DNN Training and Loss Spikes Minimization Beyond Adam
von: Peng, Hanyang, et al.
Veröffentlicht: (2025)

Reward Learning through Ranking Mean Squared Error
von: Kharyal, Chaitanya, et al.
Veröffentlicht: (2026)

SCPL: Enhancing Neural Network Training Throughput with Decoupled Local Losses and Model Parallelism
von: Ho, Ming-Yao, et al.
Veröffentlicht: (2026)

Enhancing Trustworthiness of Graph Neural Networks with Rank-Based Conformal Training
von: Wang, Ting, et al.
Veröffentlicht: (2025)

How to Square Tensor Networks and Circuits Without Squaring Them
von: Loconte, Lorenzo, et al.
Veröffentlicht: (2025)

Training and Evaluating Language Models with Template-based Data Generation
von: Zhang, Yifan
Veröffentlicht: (2024)

MemLoss: Enhancing Adversarial Training with Recycling Adversarial Examples
von: Mahdi, Soroush, et al.
Veröffentlicht: (2025)

Exploring Loss Design Techniques For Decision Tree Robustness To Label Noise
von: Sztukiewicz, Lukasz, et al.
Veröffentlicht: (2024)

Adversarial Training for Robust Coverage Network under Worst-case Facility Losses
von: Miao, Changhao, et al.
Veröffentlicht: (2026)

Rethinking the Design Space of Reinforcement Learning for Diffusion Models: On the Importance of Likelihood Estimation Beyond Loss Design
von: Choi, Jaemoo, et al.
Veröffentlicht: (2026)

Value-Based Deep Multi-Agent Reinforcement Learning with Dynamic Sparse Training
von: Hu, Pihe, et al.
Veröffentlicht: (2024)

Algebraic Approach to Ridge-Regularized Mean Squared Error Minimization in Minimal ReLU Neural Network
von: Fukasaku, Ryoya, et al.
Veröffentlicht: (2025)

Exploring Physics-Informed Neural Networks for Crop Yield Loss Forecasting
von: Miranda, Miro, et al.
Veröffentlicht: (2024)

Hybrid Attribution Priors for Explainable and Robust Model Training
von: Zhang, Zhuoran, et al.
Veröffentlicht: (2025)

FSX: Message Flow Sensitivity Enhanced Structural Explainer for Graph Neural Networks
von: Feng, Bizu, et al.
Veröffentlicht: (2026)

Learning to be Reproducible: Custom Loss Design for Robust Neural Networks
von: Ahmed, Waqas, et al.
Veröffentlicht: (2026)

FlowTS: Time Series Generation via Rectified Flow
von: Hu, Yang, et al.
Veröffentlicht: (2024)

Beyond Backpropagation: Exploring Innovative Algorithms for Energy-Efficient Deep Neural Network Training
von: Spyra, Przemysław
Veröffentlicht: (2025)

Beyond Losses Reweighting: Empowering Multi-Task Learning via the Generalization Perspective
von: Phan, Hoang, et al.
Veröffentlicht: (2022)

Training with Confidence: Catching Silent Errors in Deep Learning Training with Automated Proactive Checks
von: Jiang, Yuxuan, et al.
Veröffentlicht: (2025)

Loop Corrections to the Training Error and Generalization Gap of Random Feature Models
von: Kim, Taeyoung
Veröffentlicht: (2026)

Fast Adversarial Training against Sparse Attacks Requires Loss Smoothing
von: Zhong, Xuyang, et al.
Veröffentlicht: (2025)

General Proximal Flow Networks
von: Strunk, Alexander, et al.
Veröffentlicht: (2026)

Enhancing Deep Learning with Optimized Gradient Descent: Bridging Numerical Methods and Neural Network Training
von: Ma, Yuhan, et al.
Veröffentlicht: (2024)

Beyond Correctness: Harmonizing Process and Outcome Rewards through RL Training
von: Ye, Chenlu, et al.
Veröffentlicht: (2025)

DASH: Warm-Starting Neural Network Training in Stationary Settings without Loss of Plasticity
von: Shin, Baekrok, et al.
Veröffentlicht: (2024)

Beyond Efficiency: Molecular Data Pruning for Enhanced Generalization
von: Chen, Dingshuo, et al.
Veröffentlicht: (2024)

Enhancing Stability in Training Conditional Generative Adversarial Networks via Selective Data Matching
von: Kong, Kyeongbo, et al.
Veröffentlicht: (2021)