연구진은 그래프 기반 텍스트 생성 모델의 사실 기반 정확성과 편집 민감성을 개선하기 위해 새로운 확산 프레임워크인 DLM4G를 제안했어요.
DLM4G는 그래프 구성 요소와 시퀀스 토큰을 정렬하고, 토큰별 디노이징 오류를 활용하여 그래프 구조를 보존하고 편집에 따른 업데이트를 가능하게 하는 적응적 노이징 전략을 사용해요.
실험 결과, DLM4G는 기존 모델보다 사실 기반 정확도와 편집 민감성 모두에서 뛰어난 성능을 보였으며, 분자 캡셔닝에도 적용 가능성을 보여줬어요.