跳到正文
热点事件持续更新

PRAT伪黎曼图神经网络获NeurIPS 2026录用

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

2026年11月，由Yun Young Choi等学者发表的伪黎曼流形图神经网络研究正式被NeurIPS 2026会议录用。该研究提出了伪黎曼注意力网络（PRAT），通过引入可学习的对角度量机制，解决了异质图中正定几何先验不匹配的问题。 在实验验证方面，PRAT在15个节点分类基准测试中表现优异，性能优于或持平于当前最强的异质性适应模型。受控消融实验进一步证实，若禁止度量取非定号值，标记为不定号图的准确率会显著下降，验证了该模型机制的有效性。

AI 根据报道生成 · 8 小时前更新

最新进展11月5日 13:00
PRAT 模型：通过伪黎曼流形学习异质图

报道时间线

沿着报道，了解事件的不同侧面。

11月5日
  1. arXiv · AI
    PRAT 模型：通过伪黎曼流形学习异质图

    提出伪黎曼注意力网络（PRAT），通过可学习对角度量解决异质图中正定几何先验不匹配问题。 在 15 个节点分类基准测试中，PRAT 性能优于或持平最强异质性适应模型。受控消融实验证实，禁止度量非定号会导致标记为不定号图的准确率下降。

本事件热度走势

可比范围当前
8
可比范围峰值
1011月5日 14:00
近 24 小时变化
–

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。