热点事件持续更新
研究质疑GraphLLM性能提升幅度及评测严谨性
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月22日，arXiv发表的一项机器学习研究对GraphLLM所报告的性能提升提出检验。研究显示，在文本属性图节点分类任务中，简单基线Correct & Smooth仅落后GraphLLM报告均值中位数2.3个百分点，24个任务中有15个差距在3个百分点以内。尽管在22个任务中GraphLLM仍在12个上显著占优，但多篇论文被指出存在在测试集上调参、测试标签泄露等评估风险。此外，相同方法在不同论文中的测试结果差异最高可达12.5个百分点。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
研究指出GraphLLM相比简单基线优势微弱，且多篇论文存在标签泄露等评估风险。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 机器学习GraphLLM 报告的性能提升能否经受住简单基线的检验？
在文本属性图节点分类任务中，简单基线 Correct & Smooth 仅落后 GraphLLM 报告均值中位数 2.3 个百分点，24 个任务中有 15 个差距在 3 个百分点以内。虽然在 22 个任务中 GraphLLM 仍在 12 个显著占优，但多篇论文存在测试集调参、测试标签泄露等评估风险。此外，相同方法在不同论文中的结果差异最高达 12.5 个百分点。
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。