热点事件持续更新
研究人员提出显存高效图神经算子FTD-GNO
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月6日，研究人员在arXiv公布了FTD-GNO框架，旨在实现内存高效的图神经算子。该方法通过将高维连续积分核解耦为低维模态函数，结合CP、Tensor-Train和Tucker等张量分解格式，避免显式实例化完整边级核张量即可完成积分算子的重构，从而大幅降低了参数量与激活内存成本。实验结果显示，与未分解的基线相比，FTD-GNO具备更低的峰值内存占用和更短的训练时间，并展现出良好的可扩展性。
AI 根据报道生成 · 2 小时前更新
最新进展10月6日 12:00
研究人员提出FTD-GNO框架，利用核函数张量分解降低图神经算子的内存占用与训练时长。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- arXiv 机器学习FTD-GNO：通过核函数张量分解实现内存高效的图神经算子
研究人员提出 FTD-GNO 框架，通过将高维连续积分核解耦为低维模态函数，实现内存高效的图神经算子。该方法结合 CP、Tensor-Train 和 Tucker 等张量分解格式，无需显式实例化完整边级核张量即可重构积分算子，大幅降低了参数量与激活内存成本。实验表明，FTD-GNO 相比未分解基线具有更低的峰值内存与更短的训练时间，且具备良好的可扩展性。
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。