University of Pennsylvania（宾夕法尼亚大学）

DiPhon: Diffusion on Graphons for Scalable Graph Generation

DiPhon：基于图子上的扩散用于可扩展图生成

Sergio Rozada, Yiming Qin, Manuel Madeira, Pascal Frossard, Alejandro Ribeiro

机构 * King Juan Carlos University（金 Juan 卡洛斯大学） ； EPFL（苏黎世联邦理工学院） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 研究如何将扩散模型扩展到大型图，通过图子提出DiPhon框架，制定连续扩散过程并推导逆时间过程，证明其与连续图子过程的矩匹配，实验展示了在小图训练后生成大图的可扩展性。

Generative Diffusion Models of Stochastic Graph Signals

随机图信号的生成扩散模型

Yiğit Berkay Uslu, Samar Hadou, Sergio Rozada, Shirin Saeedi Bidokhti, Alejandro Ribeiro

机构 * University of Pennsylvania（宾夕法尼亚大学） ； King Juan Carlos University（胡安·卡洛斯国王大学） 纠错

AI总结 研究图上随机信号采样问题，提出用去噪扩散框架统一解决，核心方法是由图神经网络参数化反向扩散过程，通过U-GNN架构实现，在股票价格预测和无线资源分配任务中取得广泛数值结果。

Comments Submitted to and under review by IEEE Transactions on Signal Processing

Health System Scale Semantic Search Across Unstructured Clinical Notes

跨无结构临床笔记的健康系统规模语义搜索

Faith Wavinya Mutinda, Spandana Makeneni, Anna Lin, Shivaji Dutta, Irit R. Rasooly, Patrick Dibussolo, Shivani Kamath Belman, Hessam Shahriari, Kevin Murphy, Alex B. Ruan, Barbara H. Chaiyachati, Sanjay Chainani, Robert W. Grundmeier, Scott M. Haag, Jeffrey M. Miller, Heather M. Griffis, Ian M. Campbell

机构 * Department of Biomedical and Health Informatics, Children’s Hospital of Philadelphia（儿童医院哲学学院生物医学与健康信息学系） ； Google Cloud（谷歌云） ； Department of Pediatrics, University of Pennsylvania（宾夕法尼亚大学儿科系） ； Division of Neonatology, Children’s Hospital of Philadelphia（儿童医院哲学学院新生儿科） ； Division of Human Genetics, Children’s Hospital of Philadelphia（儿童医院哲学学院人类遗传学部） 纠错

AI总结 本文提出了一种在大规模健康系统中实现语义搜索的解决方案，通过优化嵌入模型和分块策略，实现了亚秒级查询延迟和高准确率的临床问答任务，同时展示了在临床实用性评估中减少任务完成时间的效果。

Comments For associated code, see https://github.com/Ian-Campbell-Lab/clinical-semantic-search

An Overview of Low-Rank Structures in the Training and Adaptation of Large Models

大型模型训练与适应中低秩结构的综述

Laura Balzano, Tianjiao Ding, Benjamin D. Haeffele, Soo Min Kwon, Qing Qu, Peng Wang, Zhangyang Wang, Can Yaras

机构 * University of Michigan（密歇根大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Macau（澳门大学） ； UT Austin（得克萨斯大学奥斯汀分校） 纠错

AI总结 本文综述了大型模型训练与适应中低秩结构的识别与利用，探讨了梯度下降动态和隐含正则化对低秩性的影响，并介绍了LoRA等技术的理论基础与应用。

Comments Authors are listed alphabetically; 37 pages, 15 figures; minor revision at IEEE Signal Processing Magazine