热点事件持续更新

监督与自监督互补的图OOD学习框架

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Qingying Hao等作者发表论文，提出 Co-Train 与 Dual-Space Retrieval 两个与骨干无关的框架，利用自监督图表征为监督式 OOD 节点分类提供互补信号。前者联合学习并自适应整合两类表征，后者在两个表征空间做非参数预测并在推理时按置信度融合。在四个图基准、两种 SSL 目标（DGI、GRACE）和多个 GNN 骨干上，Co-Train 持续优于强监督 OOD 基线。

AI 根据报道生成 · 2 小时前更新

最新进展10月7日 12:00

如何用监督与自监督互补表征提升 GNN 的 OOD 图学习

报道时间线

沿着报道，了解事件的不同侧面。

10月7日

12:00
arXiv：cs.LG
如何用监督与自监督互补表征提升 GNN 的 OOD 图学习
研究显示，自监督图表征能为监督式 OOD 节点分类提供互补信号。作者提出 Co-Train 与 Dual-Space Retrieval 两个与骨干无关的框架：前者联合学习并自适应整合两类表征，后者在两个表征空间做非参数预测并在推理时按置信度融合。在四个图基准、两种 SSL 目标（DGI、GRACE）和多个 GNN 骨干上，Co-Train 持续优于强监督 OOD 基线。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。