热点事件持续更新
研究团队提出自监督图数据增强框架SelfAug
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月5日，研究者提出自监督图数据增强框架SelfAug。该框架直接在嵌入（embedding）空间操作以绕过显式结构建模，通过逆向掩码过程捕捉潜在关联并恢复未观测的结构信号。为了增强在噪声和稀疏监督条件下的鲁棒性，SelfAug引入了消息正则化器与bootstrap策略。在10个跨领域图数据集的测试中，SelfAug在归纳学习与冷启动设置下的准确率和运行效率均优于现有的SOTA方法。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 12:00
研究者提出自监督图数据增强框架SelfAug，在10个数据集评测中性能优于SOTA。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 机器学习学习潜在结构：以特征为中心的图数据增强方法
研究者提出自监督图数据增强框架 SelfAug，直接在 embedding 空间操作以绕过显式结构建模，通过逆向掩码过程捕捉潜在关联并恢复未观测的结构信号。该框架引入消息正则化器与 bootstrap 策略，以增强在噪声和稀疏监督下的鲁棒性。在 10 个跨领域图数据集的评测中，SelfAug 在归纳与冷启动设置下的准确率和效率均优于现有 SOTA 方法。
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。