DC AI 热点

精选

全部前沿研究与模型架构智能体与应用工程其他动态安全治理与商业生态算力与数据中心具身智能与智能硬件

1高通发力AI软件生态：收购Modular打造统一软件栈，推进Mojo语言多端支持81 热度 ⌁2Black Forest Labs 推出开源具身智能模型 FLUX 3 Action75 热度 ⌁3谷歌云 API Gateway 支持 MCP：将 REST API 原生转化为 AI Agent 工具74 热度 ⌁4Sakana AI聘请AI先驱Jürgen Schmidhuber担任首席科学顾问74 热度 ⌁5谷歌、OpenAI与Anthropic拟联合组建AI安全标准自律组织SAFA73 热度 ⌁

全部语言仅中文3 条动态

来源筛选

9月24日2026-09-24

arXiv 机器学习✦ 精选AI 评分 72/10012:00

QUARTET：基于四分支交叉注意力与随机游走轨迹增强的关系图Transformer

关系深度学习将多表数据库建模为异构时序图，目前图Transformer在该领域表现优异。然而，现有代表性模型RelGT存在局部采样子图连接松散阻碍消息传递，以及全局注意力依赖单一特征记忆而忽视宏观动态的两大缺陷。为此，研究人员提出了QUARTET架构，通过结合四分支交叉注意力与随机游走轨迹，增强全自注意力机制在关系图表征中的表达能力。

阅读原文 ↗推荐理由：针对关系深度学习中图Transformer的采样稀疏与全局动态建模不足问题，提出了新颖的增强架构。# 图Transformer # 关系深度学习 # 图神经网络 # 注意力机制 # RelBench

arXiv 机器学习✦ 精选AI 评分 70/10012:00

已训练图神经网络中的局部证据与几何读出修复

许多用于节点分类的图神经网络（GNN）将线性分类器应用于局部消息的非负混合中。预测错误往往源于混合权重不佳或可达 logit 集合的几何位置不适合该分类器。该研究通过精确质量线性规划和两种后验修复方法区分了这两类原因。研究表明，每个重加权预测都对应一个中心化的 logit 平移。在8个数据集、8个 GNN 骨干网络及10种划分上的实验表明，重加权使冻结模型的平均准确率从62.6%提升至63.8%。

阅读原文 ↗推荐理由：提出了一种针对已训练图神经网络的几何读出后验修复方法，有效提升了节点分类准确率。# 图神经网络 # 节点分类 # 模型修复 # 前沿研究 # 机器学习

arXiv 机器学习✦ 精选AI 评分 68/10012:00

基于电阻曲率的可扩展图神经网络子图采样方法

针对大规模图神经网络（GNN）训练中传统采样标准易忽略边几何角色的问题，本研究提出了一种由电阻曲率引导的高效子图采样框架。该方法依托面向大图的曲率近似算法 ERC-LG，结合 Johnson-Lindenstrauss 投影与多 GPU 批处理共轭梯度求解器，避免了昂贵的显式拉普拉斯伪逆计算和全局嵌入存储，能有效利用几何曲率指导节点与边的采样概率。注：原始摘要文本在实验部分存在截断。

阅读原文 ↗推荐理由：将图几何曲率与 GPU 快速求解相结合，为大规模图神经网络训练开辟了兼顾结构特征与效率的采样新路径。# 图神经网络 # 子图采样 # 电阻曲率 # 模型训练 # 算法优化