离散图扩散模型被曝条件记忆现象

研究作者 Adarsh Jamadandi 和 Nicolas Keriven 称，离散图扩散模型（GDMs）存在一种此前未被发现的记忆现象，他们称之为"条件记忆"：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，对留出测试图则不能。 该现象只在反向轨迹以损坏训练图为条件时出现，推理阶段不可见，并伴随泛化差距扩大，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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。