标签
EnergyMamba提出了一种新颖的时空框架，将图增强选择性状态空间模型与自适应共形分位数回归相结合，实现准确可靠的能源消耗预测并给出不确定性估计，在佛罗里达、纽约和加利福尼亚的真实数据集上取得了性能提升。
KG-Guard是一个轻量级的基于图的框架，用于检测基于LLM的知识库问答中的幻觉。它将LLM视为黑盒，使用图编码器与MLP分类器来识别幻觉答案节点，在参数少得多的前提下优于基线方法。
本文提出了一种图学习辅助的优化方法，用于设计捕获空间碎片的主动系绳网系统。通过使用图神经网络推荐候选设计方案，将混合组合非线性规划简化为标准非线性规划问题，从而加快收敛速度。
GiG是一个知识图谱调制的深度学习框架，它将生物知识图谱整合为边，患者特定数据作为节点特征，在有限样本临床任务中性能比现有最佳方法高出高达49%。
本文介绍了将图对齐拓扑作为接地检测的归纳偏置，使用图神经网络对参考信息与LLM输出之间的对齐结构进行建模。该方法在多个幻觉和问答数据集上取得了最先进的结果，性能优于GPT-4o。
本文识别了现有抗体设计方法中的三种失败模式（抗原盲区、词汇崩溃、收敛到边缘分布），并提出 AgForce，一种使用图神经网络和混合密度网络的新型编码器-解码器架构，在 Chimera-Bench 基准测试上实现了最先进的结合质量和序列恢复。
ConTact 提出了一种接触优先（contact-then-act）架构用于抗体CDR设计，该架构将任务显式分解为界面推理、接触预测和接触门控序列生成三个阶段，在Chimera-Bench基准测试上实现了最先进的结构质量和表位感知能力。
本文提出了一种面向跨行业供应链网络的图驱动实时反洗钱监测框架（GCRMF），利用异构图和时间注意力网络，实现了超过17.8%的F1分数提升。
提出MacroDiff+，一种用于VLSI设计中宏布局的物理引导几何扩散框架，在ISPD2005基准测试上实现了6.1–6.2%的线长减少，具有卓越的稳定性和可扩展性。
本文提出了一种基于图的一阶段框架用于脑肿瘤分割，通过引入模态特定的虚拟节点和动态连接策略来处理缺失的MRI模态，在BRATS-2018和BRATS-2020数据集上优于最先进的方法。
Njord是一种用于集合海洋预报的概率图神经网络，它提供不确定性估计，并在全球和区域基准上取得了最先进的性能，改进了海表温度预测。
微软开源了面向电力系统的AI基础模型GridSFM，利用图神经网络近似AC-OPF求解，跨拓扑通用，能作为精确求解器的热启动实现1.45倍加速，并具备可行性分类能力。
本文提出了一种用于金融欺诈检测的图神经网络框架，该框架将交易记录和身份信息整合到节点属性中，采用多层消息传递机制，并利用加权监督和结构一致性正则化来改进风险评分和概率校准。在公共数据集上的实验表明，该方法优于现有方法。