热点事件持续更新
研究人员提出多模态图学习框架MOVE
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，研究人员在 arXiv 发布论文，提出面向图学习的多模态开放世界类别验证与扩展框架 MOVE，旨在解决图学习在模型部署后出现新类别的扩展难题。该框架通过结合视觉 token、文本属性与图上下文来识别未知节点，并借助多模态大语言模型（LLM）生成候选类别；同时仅在获得充分多模态证据支持时选择性扩展类别空间，以有效避免类别冗余。实验结果表明，MOVE 在未知类别识别、开放域标注及下游图学习任务中实现了平均 11.87% 的性能提升。
AI 根据报道生成 · 4 小时前更新
最新进展10月2日 12:00
研究团队提出图学习框架MOVE，在未知类别识别等任务中平均提升11.87%。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 机器学习MOVE：面向图学习的多模态开放世界验证与扩展框架
研究人员提出多模态开放世界类别验证与扩展框架 MOVE，用于解决图学习在模型部署后出现新类别的扩展难题。MOVE 结合视觉 token、文本属性与图上下文识别未知节点，借助多模态 LLM 生成候选类别，并在获得多模态证据支持时选择性扩展类别空间以避免冗余。实验表明，MOVE 在未知类别识别、开放域标注及下游图学习任务中平均提升 11.87%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2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。