arXiv · cs.AI· Shashank Sule, Xinyue Yu, Boonam Shin, Yuxuan Liu, Abolfazl Hashemi, Hayden Schaeffer·· 5 小时前
论文提出用损失曲率量化扩散模型记忆化
Loss Curvature as a Sampling-Free Proxy for Memorization in Diffusion Models
arXiv:2610.19042v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shashank Sule, Xinyue Yu, Boonam Shin, Yuxuan Liu, Abolfazl Hashemi, Hayden Schaeffer
研究任务与主要进展
基于论文摘要，作者提出将扩散模型训练损失的输入曲率作为记忆化代理指标，用于评估模型训练过程中何时可能开始复述训练数据，并分析单个样本被记忆化的倾向。研究还定义了扩散模型的反事实记忆化，并证明其受留一模型输入曲率控制；输入相关曲率可通过其实验边界得到验证。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org