标签
GAE 引入了一个结合图神经网络、强化学习和 LLM 微调的框架，以克服进化程序搜索中的瓶颈，在复杂非线性振荡器系统的符号回归上实现了最先进的性能。
提出了一种变分图自编码器（VGAE），用于检测电力网络中的潮流解可行性，采用IEEE 118节点算例。该方法能够区分问题不可行性与算法不收敛。
本文介绍了一种基于前臂表面肌电（sEMG）信号的实时手势识别图神经网络模型。该方法在M1 Pro CPU上实现了99%的分类准确率，平均处理时间为48毫秒，性能优于现有最先进技术。
STAGformer提出了一个具有线性复杂度的时空智能体图变换器，用于共享单车需求预测，在纽约和芝加哥数据集上优于基线模型。
SafeImpute 提出了一种可靠的临床数据插补框架，针对不规则数据，利用图神经网络和共形选择来控制临床不可接受错误的错误发现率。
本文提出了一种几何感知的多支撑异构图神经网络，用于精细尺度降雨场重建，融合了点雨量计、路径积分微波链路以及格点雷达/卫星数据的观测。该方法在新加坡数据上相比经典插值方法将RMSE降低了23.2%，并且当降雨场相对于其空间相关长度欠采样时，其增益最为显著。
EO-Agents 提出了一种三智能体LLM流水线，用于生成地球观测假设，利用NASA知识图谱和图神经网络对候选数据集配对进行排序，LLM智能体负责筛选、生成和评估结构化研究假设。
MKGR 是一个多模态框架，结合蛋白质序列编码与四个生物医学知识图谱，以改进冷启动蛋白质-蛋白质相互作用预测，在基准数据集上优于基线方法。
X-LogSMask 提出了一种用于图Transformer的对数结构掩码，将图拓扑直接注入注意力logits中，在20个基准测试中的13个上实现了最先进的性能，同时保持了可解释性和多跳信息传播。
本文提出了一种潜在动态模型，使用心率感知的神经ODE和基于图的网格自编码器，对电影心脏磁共振中的全周期心室运动进行建模。该模型应用于72,386名英国生物样本库参与者，在心衰风险预测方面优于传统心脏标志物。
提出G-SPIN，一个轻量级框架，结合音素图建模与上下文语言理解来纠正ASR错误。使用GNN生成音素合理的候选词元，MLM进行局部评分，LLM进行最终重新排序，所有操作均在推理时进行。
本文提出MVG-KAN，一种集成周期-残差分解、用于风感知空间依赖性的地理风图以及用于PM2.5预测的时间KAN头的多视图模型，在北京数据上实现MAE 14.09。
本文提出了SenFlow，一种用于混合文档中句子级AI生成文本检测的方法，通过建模句子间依赖关系，利用图传播和线性链CRF解码。同时引入了MOSAIC基准测试，包含由DeepSeek-V3.2和Kimi K2生成的16,000篇文档，达到了最先进的性能。
提出TMR-GGNN，一种用于信用卡欺诈检测的时间感知多关系图神经网络，通过对比学习和焦点损失处理不平衡数据和不断演变的欺诈模式。
本文提出了一种先进的GNN替代模型，用于预测复杂地质构造中CO2羽流迁移，引入了各向异性消息传递机制来处理定向传输，旨在加速碳捕集与封存模拟。
本文提出CPES，一种曲率感知势能面图神经网络，用于蛋白质-配体结合亲和力预测。它整合了物理启发的曲率表示来建模构象灵活性，并在基准数据集上实现了改进的预测性能。
TAROT提出了一个基于GNN的框架，利用LLM构建和精化任务自适应的语义图，用于少样本表格学习，达到了最先进的性能。
本文介绍了GLACIER，一种多模态学生-教师基础模型，它整合了分子图、SMILES字符串和物理化学描述符，以高效预测分子性质。它利用Finsler几何感知融合以及来自更大教师模型（MiniMol、MolFormer）的知识蒸馏，以轻量级架构实现高性能。
OSMGraphCLIP是一种模型，它使用基于图的编码器和与球谐位置编码器的对比对齐，从OpenStreetMap数据中学习全局位置嵌入。该模型在多种地理空间任务中表现出色，通常能够达到甚至超越基于卫星的方法。