离散图扩散模型被曝隐性记忆：GDMs 的条件记忆现象

研究发现离散图扩散模型（GDMs）存在记忆现象：在双块随机块模型（SBM）上训练时，模型对损坏的训练图几乎能完美恢复，而对留出测试图则不能，作者称之为"条件记忆"。该现象仅在反向轨迹以损坏训练图为条件时出现，推理阶段不可见，且伴随泛化差距扩大，早停无法缓解。记忆的出现总是先于生成图中社区结构的形成，在所有测试节点规模上均成立。