arXiv：cs.AI（全量分类）· Sumit Asthana, Michael Ion, Kevyn Collins Thompson·· 3 小时前AI 评分31
用生成流网络（GFlowNets）生成多样化合成专家对话，突破模式坍缩
Beyond Mode Collapse: Generating Diverse Synthetic Expert Conversations via Generative Flow Networks
AI 导读
研究者提出用生成流网络（GFlowNets）生成多样化高质量合成对话数据，通过高斯混合密度建模关键交互特征来学习潜在对话结构，使采样专家策略的比例与训练数据中的分布一致。在辅导和情感支持两个结构不同的对话领域，该方法在保真度、模式覆盖和真实性上优于强化学习与端到端 LLM 基线，且不复制训练数据。在三个下游结果预测任务上，用其合成对话训练的分类器提供了更强的训练信号。
来源：arXiv：cs.AI（全量分类） · arxiv.org