热点事件观察中
研究者提出自适应粒度图池化方法GDPool
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，研究者在arXiv发表论文，提出一种名为GDPool的图依赖池化方法。该方法旨在解决分层图神经网络长期依赖固定池化比例的限制，能够针对每个输入图动态确定池化粒度。在具体实现上，GDPool利用自注意力机制挑选结构关键节点作为锚点，并通过软节点分配来构建粗化图。实验结果表明，在金属有机框架与分子图基准测试中，GDPool均取得了最佳预测性能，且展现出更高的模块度与架构稳定性。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
研究者提出自适应粒度图池化方法GDPool，在金属有机框架与分子图基准测试中取得最优性能。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 人工智能图依赖池化 GDPool：分层图神经网络中的自适应粒度
GDPool 提出一种图依赖池化方法，能为每个输入图动态确定池化粒度，解决分层图神经网络依赖固定池化比例的限制。该方法利用自注意力机制挑选结构关键节点作为锚点，并通过软节点分配构建粗化图。在金属有机框架与分子图基准测试中，GDPool 均取得最佳预测性能，且具备更高的模块度与架构稳定性。
本事件热度走势
当前热度 5·可比范围峰值 5（10月28日 11:00）·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。