arXiv cs.AI· Adarsh Jamadandi, Nicolas Keriven, Aline Roumy·· 5 小时前AI 评分22
当边独立性失效：带潜在社交性先验的联合图扩散模型
When Edge Independence Fails: Joint Graph Diffusion with Latent Sociability Priors
AI 导读
针对离散图扩散模型因独立边更新导致终端先验必为 E-R 随机图、进而难以有效去噪的问题，研究者提出潜在社交性先验（LSP）与联合扩散过程，让潜在节点社交性变量与图结构协同演化，在去除边独立性的同时保持可交换性。该机制无需复杂编码器，仅用于引导边更新并保持节点异质性。在多个图生成数据集上，该框架比无节点特征的基线方法更准确地捕捉图分布，论文已被 NeurIPS 2026 接收。
来源：arXiv cs.AI · arxiv.org