图神经网络超参数迁移：适用于 GNN 的缩放参数化方案

该研究开发了针对图神经网络（GNN）的超参数迁移参数化方法，旨在使模型在不同规模下保持一致的最优超参数。 通过理论与实验验证，该方法在增加模型宽度和深度时，能带来更稳定的特征更新、学习率迁移性能提升及更好的训练表现。 该方案为在不同学习任务中扩展 GNN 模型提供了实用的操作指南。