arXiv · cs.AI· Adarsh Jamadandi, Nicolas Keriven·· 5 小时前
离散图扩散模型的条件记忆现象
Your Discrete Graph Diffusion Model is Secretly Memorizing
arXiv:2610.13786v1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：Adarsh Jamadandi, Nicolas Keriven
研究任务与主要进展
研究者发现，离散图扩散模型在训练图条件化的反向扩散过程中会近乎完美地恢复被扰动的训练图，而对留出测试图的恢复较弱，且泛化差距会随训练损失改善而扩大。基于论文摘要，该现象称为“条件记忆”，早期停止无法缓解，记忆出现早于生成图形成社区结构，并在所测试的节点规模中均出现。
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