热点事件观察中

GHR 图层次递归框架提升长程泛化

1 篇报道1 个报道来源2 天前更新

先了解这件事

报道摘要

研究者提出 Graph Hierarchical Recurrence（GHR）框架，同时在输入图和池化层次抽象上运行，以缓解图神经网络与 Graph Transformer 在远距离图区域关联预测上的局限。GHR 能持续增强所有测试的消息传递骨干网络，在超出训练交互距离的 out-of-range 泛化场景中提升尤为明显。在多项长程基准上，GHR 取得 SOTA 或具竞争力的结果。

摘自 arXiv：cs.LG

报道时间线

沿着报道，了解事件的不同侧面。

10月3日

12:00
arXiv：cs.LG
Graph Hierarchical Recurrence：面向长程泛化的图层次递归框架
研究者提出 Graph Hierarchical Recurrence（GHR）框架，同时在输入图和池化层次抽象上运行，以缓解图神经网络与 Graph Transformer 在远距离图区域关联预测上的局限。GHR 能持续增强所有测试的消息传递骨干网络，在超出训练交互距离的 out-of-range 泛化场景中提升尤为明显。在多项长程基准上，GHR 取得 SOTA 或具竞争力的结果。

本事件热度走势

可比范围当前: 3
可比范围峰值: 710月4日 01:00
近 24 小时变化: -51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。