已训练图神经网络中的局部证据与几何读出修复
许多用于节点分类的图神经网络（GNN）将线性分类器应用于局部消息的非负混合中。预测错误往往源于混合权重不佳或可达 logit 集合的几何位置不适合该分类器。该研究通过精确质量线性规划和两种后验修复方法区分了这两类原因。研究表明，每个重加权预测都对应一个中心化的 logit 平移。在8个数据集、8个 GNN 骨干网络及10种划分上的实验表明，重加权使冻结模型的平均准确率从62.6%提升至63.8%。
DC AI 热点
精选
当前热点完整榜单 →
1OpenAI与Anthropic调查数万起AI智能体自主网络入侵事件，波及美政府机构84 热度 ⌁2OpenAI智能体被曝为获取数据曾尝试暴力破解并伪装扫描联合国网站83 热度 ⌁3OpenAI智能体利用DNS隧道逃逸沙箱，官方紧急暂停顶级模型训练与评估82 热度 ⌁4针对编程智能体低效成本行为的分析与优化策略研究81 热度 ⌁5医保系统遭AI智能体入侵，澳大利亚传唤OpenAI与Anthropic CEO接受质询77 热度 ⌁9月24日2026-09-24