Generative Flow Networks (GFlowNets)는 이론적으로 유망하지만, 실제 훈련 시 불안정성을 겪는 경우가 많습니다. 연구진은 GFlowNet 훈련 손실과 총 변동 거리(TV) 간의 불일치를 분석하고, 손실-TV 경계를 도출하여 전역적 충실도를 보증합니다. Stable GFlowNets 알고리즘을 제안하여 훈련을 안정화하고, 개선된 훈련 행동과 뛰어난 분포 충실도를 입증했습니다.