**MarginFlow：基于GFlowNet的二进制矩阵零样本摊销序贯重要性采样**

_One Proposal for Every Margin: Zero-Shot Amortized Sequential Importance Sampling for Binary Matrices_

> 该论文提出MarginFlow框架，利用生成流网络（GFlowNet）学习理想提议分布，解决二进制矩阵在固定行列和条件下的计数与均匀采样问题。通过摊销学习利用边界的自相似性，该方法在零样本测试中显著优于31种解析设计配置，中位有效样本分数达99.8%。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.35514)