热点事件持续更新
研究者提出基于GNN的自回归前沿扩展树状结构生成框架
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，研究人员提出名为“自回归前沿扩展”（Autoregressive Frontier Expansion）的生成框架，通过模拟生物生长过程迭代构建树状分支结构。该方法在每一步利用由 SO(2) 等变图神经网络（GNN）参数化的流匹配模型，预测活跃分支的分叉或终止来扩展生长前沿。在皮层神经元和植物树木的形态生成测试中，该框架生成的结构与参考分布及指定目标紧密吻合。
AI 根据报道生成 · 4 小时前更新
最新进展10月1日 12:00
研究人员提出自回归前沿扩展框架，通过模拟生物生长迭代生成树状分支结构。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 机器学习自回归前沿扩展：利用图机器学习生长树状结构
研究人员提出自回归前沿扩展（Autoregressive Frontier Expansion）生成框架，通过模拟生物生长迭代构建树状分支结构。该方法在每一步利用由 SO(2) 等变 GNN 参数化的流匹配模型，预测活跃分支的分叉或终止来扩展前沿。在皮层神经元和植物树木的生成测试中，生成形态与参考分布及指定目标紧密吻合。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1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。