研究：离散图扩散模型存在隐蔽记忆效应

发生了什么

据arXiv cs.LG论文《Your Discrete Graph Diffusion Model is Secretly Memorizing》，离散图扩散模型（GDMs）在训练数据上存在隐蔽的记忆效应。研究发现，当反向轨迹以受损的训练图为条件时，模型能几乎完美地恢复该图，而测试图则不然。这种条件记忆现象伴随着泛化差距的扩大，且无法通过早停法缓解。