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其他动态

1Black Forest Labs 推出开源具身智能模型 FLUX 3 Action78 热度 ⌁2谷歌、OpenAI与Anthropic拟联合组建AI安全标准自律组织SAFA76 热度 ⌁3谷歌云 API Gateway 支持 MCP：将 REST API 原生转化为 AI Agent 工具76 热度 ⌁4Sakana AI聘请AI先驱Jürgen Schmidhuber担任首席科学顾问76 热度 ⌁5Agent Plugins 1.0.0 发布：科技巨头联手推跨平台 Agent 技能与 MCP 打包规范74 热度 ⌁

全部语言仅中文2 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