arXiv · cs.AI· Adarsh Jamadandi·· 18 天前AI 评分21
当边独立性失效时：基于潜在社会性先验的联合图扩散
When Edge Independence Fails: Joint Graph Diffusion with Latent Sociability Priors
来源与原文
arXiv · cs.AI
作者：Adarsh Jamadandi
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.13765v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 NeurIPS 2026 论文指出，离散图扩散模型采用独立边更新，其终端先验必然是 Erdős–Rényi 随机图，导致大图极限下去噪器难以有效恢复节点异质性与高阶结构。作者提出 Latent Sociability Prior（LSP），让潜在节点社会性变量与图结构联合演化，在保持可交换性的同时消除边独立性。该方法无需复杂编码器，在多个图生成数据集上比无节点特征的基线更准确捕捉图分布。
来源：arXiv · cs.AI · arxiv.org