#graph generation

做图生成的人可以看看：用 FlexAttention 实现的边感知注意力层，显存省了 65%，吞吐还更快。

把图变成字符串让序列模型来生成，还能保证 100% 结构合法，做分子生成的可以看看这篇。

一篇图生成方向的理论修正：作者指出独立边更新导致先验必然是 E-R 随机图，提出 LSP 联合扩散来修复，做图生成的可以看看推导和实验。

清华团队提出EGF模型，在分子生成任务上超越现有方法，代码已开源

这篇论文严格证明了时序图生成中分布漂移无法通过观测数据来校正，理论扎实且有实验支撑，做生成模型部署的朋友值得一看。

想要生成可变长输出的流模型？这篇提出了EFlows和EFMs，把扩张和去噪打包成一个可学操作，还能处理图和序列，挺新鲜。

做图生成研究的团队终于有了一个能兼顾大小图质量的统一框架——FLAGG 让单次模型也能自回归生成，实验效果全面超越基线，值得关注。