热点事件持续更新
研究人员提出图数据抗标签噪声算法LENS
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月19日，研究人员在 arXiv 机器学习领域提出了一种名为 LENS（Leave-one-out Entropy Node Screening）的端到端框架。针对图数据中的标签噪声问题，该算法通过计算移除特定节点时的邻域熵减小量来识别噪声节点。同时，LENS 进一步引入了重新打标机制以保留节点本身的特征信息。相关研究表明，LENS 不仅在节点分类准确率上达到了 SOTA 表现，其运行速度相比现有的抗噪方法也提升了一个数量级。
AI 根据报道生成 · 4 小时前更新
最新进展10月19日 12:00
研究人员提出图抗噪框架LENS，分类准确率达SOTA且运行速度提升一个数量级。报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv 机器学习基于邻域标签分布的图数据抗标签噪声算法
研究人员提出端到端框架 LENS（Leave-one-out Entropy Node Screening），通过计算移除特定节点时的邻域熵减小量来识别图数据中的噪声节点。LENS 进一步引入重新打标机制以保留节点特征信息，不仅取得了 SOTA 节点分类准确率，运行速度还比现有抗噪方法快一个数量级。
本事件热度走势
当前热度 9·可比范围峰值 10（10月19日 13:00）·近 24 小时可比范围变化 –
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。