hypergraph

提出基于超图消息传递图自编码器（HMP-GAE）的联邦大模型防御框架，通过高阶语义关系建模识别并抑制拜占庭攻击下的恶意模型更新，在Qwen-2.5和Llama-3.2上验证其提升了全局准确率并显著降低语义熵与困惑度。

本文提出了一种使用超图支配的抽取式文本摘要的新方法，并将其性能与现有的基于图的方法进行了比较。

EdgeMem提出一种无LLM的方法，用于智能体记忆的构建与检索，采用多锚点超图，保留证据以提高基于记忆的问答性能。

HyperAgent is a research framework that models tool relations via a Tool-Schema Hypergraph to improve planning and execution for LLM agents, reducing API calls and token usage on the AppWorld benchmark.

StyleForge 提出了一种面向固定布局室内家具风格化的场景级结构化选择框架，利用动态超图风格场和反事实风格偏好学习，在 3D-FRONT 上提升了家具检索与风格一致性。

HyCE-RAG 是一种新颖的基于超图的检索增强生成框架，专为多跳问答设计，通过置信度感知的启发式搜索构建显式证据链，在准确性、相关性和忠实度方面优于标准 RAG 和基于图的 RAG 方法。

MissHyper是一种新的超图预测模型，通过在消息传递之前聚合共时间戳记录来恢复临床同步性，在PhysioNet 2012、MIMIC-III和MIMIC-IV基准测试上取得了一致的性能提升。

本文提出对HyperGraphRAG的改进，通过使用自一致性提示来提升事实提取效果，并利用个性化PageRank算法增强分块检索。

本文提出 IsalHG，一种将任意有限连通超图表示为紧凑指令字母表上的字符串的方法，由虚拟机解码。它引入了超图同构的规范字符串猜想，并与已有方法进行了基准测试。

本文介绍了GRAFT，这是一个精心整理的多模态数据集，将拟南芥的基因表达谱与表型性状关联起来，并提供了用于表型预测的图和超图基准。其目标是推动植物生物学中基因组到表型组的映射研究。

HyPE 提出了一种基于超图的角色编码器，通过类别感知超边和持久边嵌入对角色属性间的高阶关系进行建模，在 PersonaChat 数据集上，相较于多个主干模型的平面池化基线，取得了持续的改进。

HyperPatch提出了一种参数保持框架，用于处理n元结构漂移下的序列知识编辑，利用超图神经网络维护事件完整性。在MQuAKE-CF和MQuAKE-T基准上，逐跳准确率分别相对提升96.24%和21.06%。

介绍了GHI，一种基于条件超图关联的Graphormer框架，用于面向方面的情感分析。该框架将语言证据表示为令牌-超边关联关系，在六个基准测试上以仅247M参数达到了最先进的性能。

本文提出了Hyper-Align框架，通过HIDT-O和HIP将超图结构序列化为令牌，使大语言模型能够处理高阶关系，并引入了用于评估的HyperAlign-Bench。

Aperio 是一种编程语言，旨在通过使用基于递归超图的类型化单元（称为 loci）的结构模型，来降低人类心智模型与 LLM 代码生成之间的翻译成本。

HEAR是一种企业代理推理器，利用分层超图本体在异构业务系统上执行多跳推理，在供应链任务上实现了高达94.7%的准确率。