AlphaSAGE: GFlowNet-based Alpha Mining

CORE IDEA

用 GFlowNet 替代 RL/GP：学到和 reward 成比例的 distribution 而非 argmax，能 explore 多个 high-reward mode。

CONCRETE EXAMPLE

GFlowNet trajectory 比 PPO 找到的 high-reward mode 多 3-5 倍。

L-ANCHOR · 为什么在这一层重要

GFlowNet 路线，是 RL 之外的 viable 选择