研究：GNN深度集成存在认知坍缩

一项针对消息传递图神经网络的研究发现，深度集成相较单模型仅有边际提升，且提升主要来自平均化点预测中的优化噪声，而非更优的不确定性估计。 研究在八个数据集上通过 aleatoric-epistemic 分解识别出“认知坍缩”：独立训练的网络预测高度趋同，使集成赖以捕捉认知不确定性的分歧机制失效。作者进一步推导出认知方差与图拓扑和 Dirichlet 能量预算的界，将其归因于消息传递的平滑偏差。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。