通过自回归噪声滤过建模实现快速图生成
机器学习
2026-02-17 v2
摘要
现有的图生成模型常常面临采样质量与生成速度之间的关键权衡。我们提出了自回归噪声滤过建模（ANFM），一种灵活的自回归框架，同时解决这两个挑战。ANFM利用拓扑数据分析中的滤过概念，将图转换为短的子图序列。我们识别出暴露偏差是自回归图生成中的潜在障碍，并提出噪声增强和强化学习作为有效的缓解策略，使ANFM能够同时学习边的添加与删除操作。这一独特能力使ANFM能够通过建模非单调图序列来纠正生成过程中的错误。我们的结果表明，ANFM在质量上与最先进的扩散模型相当，同时推理速度提升超过100倍，使其成为高通量图生成的有前景方法。源代码已公开发布于https://github.com/BorgwardtLab/anfm。
引用
@article{arxiv.2502.02415,
title = {Fast Graph Generation via Autoregressive Noisy Filtration Modeling},
author = {Markus Krimmel and Jenna Wiens and Karsten Borgwardt and Dexiong Chen},
journal= {arXiv preprint arXiv:2502.02415},
year = {2026}
}