论文提出损失曲率作为扩散模型记忆代理指标

Shashank Sule 等在 arXiv 发布论文，提出用扩散模型训练损失的输入曲率（Hessian 的 Frobenius 范数）作为记忆化的代理指标，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。 研究将监督学习中的反事实记忆化定义扩展到扩散模型，并证明其受留一模型的输入曲率控制；作者称输入相关曲率可通过其实验边界得到验证。 论文同时指出，该指标不足以衡量单个样本被记忆化的可能性。以上基于论文摘要，本站未核验全文。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。