图离散扩散获梯度流理论框架，FEGF 训练极快

arXiv 论文《Learning Discrete Diffusion of Graphs via Free-Energy Gradient Flows》由 Rancati、Maas 与 Locatello 发表于 ICML 2026，提出方法 FEGF（自由能梯度流），首次为图离散扩散建立梯度流理论框架。该方法借助 JKO 条件将梯度流的数学理论与机器学习实践衔接起来，并具有极快的训练速度。

2026-10-07 ~ 2026-10-07 · 2 条相关

• ICML 2026 论文 FEGF 用 JKO 条件衔接离散扩散的数学与机器学习 — FrancescoLocat8 · 2026-10-07
• 图离散扩散首次有了梯度流理论框架,新方法 FEGF 训练极快 — FrancescoLocat8 · 2026-10-07