热点事件持续更新
研究人员提出图神经网络稀疏化框架EDiS
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，研究人员在 arXiv 发布面向图神经网络（GNN）的稀疏化框架 EDiS。该框架将单次结构提取与轮次图组合解耦，仅需一次性将图分解为可缓存的边不相交子图，训练中各轮次可在边预算约束下直接重组子图而无需重复采样计算，并能确定性保留高分割边。在涵盖同质、异质及大规模的19个节点分类基准测试对比17种基线实验中，EDiS 在相同边预算下取得了最高的平均分数与最低的平均排名。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
研究人员提出 GNN 稀疏化框架 EDiS，在 19 个基准测试中取得领先表现。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 机器学习EDiS：面向图神经网络的边不相交子图稀疏化框架
面向图神经网络（GNN）的稀疏化框架 EDiS 将单次结构提取与轮次图组合解耦，仅需一次性将图分解为可缓存的边不相交子图。训练中各轮次可在边预算约束下直接重组子图而无需重复采样计算，并能确定性保留高分割边。在涵盖同质、异质及大规模的 19 个节点分类 benchmark 对比 17 种基线中，EDiS 在相同边预算下取得最高的平均分数与最低的平均排名。
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。