标签
本文提出了一种用于核化图构建的自适应谱带宽控制方法，旨在使核谱性质与内在流形维度对齐，展示了在CIFAR-100上的自监督学习嵌入任务中的改进。
本文提出了一种用于长期行为评估的双向Mamba模型，以增强分布式系统中的可信协作者选择，并证明其准确性优于基线方法。
SNAP-KG 是一个框架，通过多视图聚类和归纳推理，实现流式实体到知识图谱的高效整合，减少推理时间和下游任务（如实体解析和链接预测）的候选搜索空间。
本文介绍了 AutoGrable，一种无需训练 GNN 即可为表格数据评估候选图构建的方法，它使用基于 1-WL 颜色细化的标签对齐风险，从而能够以低成本搜索有效的表到图映射。
ContextRAG引入了一种无抽取方法，用于构建面向检索增强生成的层次图索引。该方法利用残差量化K均值（Residual-Quantization K-Means）和形式概念分析（Formal Concept Analysis），将大语言模型（LLM）调用和Token数量减少数个数量级，同时在多跳问题上保持具有竞争力的F1分数。