离散图扩散模型被曝隐性记忆现象

1. 12:00
   arXiv cs.AI

   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）存在此前未被察觉的记忆现象：在双块随机块模型（SBM）上训练后，模型对损坏的训练图几乎能完美还原，而对留出测试图则表现明显更差，作者称之为"条件记忆"。该现象仅在反向扩散轨迹以损坏训练图为条件时出现，伴随训练损失下降、留出图损失上升的泛化差距扩大，且早停无法缓解。记忆的出现总是先于生成图中社区结构的形成，该行为在所有测试节点规模下均成立。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。