本文提出了一种基于高斯图模型的参数高效微调（PEFT）方法，首次将高斯图模型应用于PEFT任务。该方法通过$ ext{l}_{2,g}$范数选择关键参数，捕获全局依赖关系。在微调RoBERTa-Base时，实验结果显示该方法表现优异，显著减少了所需的可训练参数。

本文介绍了一种基于高斯图模型和谱图理论的图学习框架，提出的算法在合成和真实数据集上表现优异，具备收敛性和计算高效性。同时，研究探讨了扩散模型的应用，提出多种生成模型和优化方法，展示了在图像生成、结构设计和药物设计等领域的有效性。