标签
LEMON是一种图神经网络监控器，通过在注意力图上进行等变学习，实现对未见过模型的LLM不良行为零样本检测。在涵盖16个LLM和六个数据集的幻觉与越狱监控任务中，其表现较基线方法最高提升14个ROC-AUC百分点。
O-kRystal是一个周期性E(3)等变图神经网络，学习超出DFT的电子态修正，在近6,000种材料上实现HSE06能带预测、二维体系中的G0W0准粒子能量预测，以及在强关联材料上将能带能量MAE降低68.7%。
NEMORA 是一种将 Fast Multipole Method 推广为可学习等变算子的新方法，用于在等变图神经网络（equivariant graph neural networks）中建模长程原子间相互作用，具备线性时间与内存复杂度，可处理数十万原子体系，并在长程基准测试上将力和能量误差降低一个至三个数量级。
论文提出了自回归边界扩展（Autoregressive Frontier Expansion）这一生成框架，通过迭代方式生长树状分支结构：在每个边界步骤中，由 SO(2) 等变图神经网络参数化的流匹配模型来决定是分叉还是终止。该方法在皮层神经元和植物树木形态生成任务上进行了评估，涵盖无条件生成、类别条件生成和形态引导生成三种设定，结果与参考分布高度吻合。