生成流网络（GFlowNets）在结构化对象生成和蛋白质设计中表现出色。提出了预期流网络和对抗性流网络，后者在Connect 4比赛中超越了AlphaZero。新算法Quantile Matching和基于能量的生成流网络（EB-GFN）提高了数据效率。Bifurcated GFlowNets（BN）通过分岔结构优化学习效率。进化引导生成流网络（EGFN）有效处理长轨迹和稀疏奖励。Order-Preserving GFlowNets（OP-GFNs）在多目标优化中表现优异。