热点事件持续更新
GDPool：图依赖的自适应图池化方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，arXiv cs.AI 刊出研究，提出 GDPool——一种用于层次图神经网络的图依赖池化方法。该方法针对现有池化粒度固定、不随图变化的问题，为每个图动态确定层次池化粒度：用自注意力选择图特定 anchors（锚点），再通过软节点分配构建粗图。在金属有机框架（MOF）与分子图基准上，GDPool 均取得最佳预测性能；其模块度（modularity）持续高于现有方法，活动簇数随深度单调下降，敏感性分析显示其在不同超参数与架构选择下表现稳定。目前该工作处于论文发布阶段，报道未提及代码开源、下游应用或同行评审情况。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
GDPool 在 MOF 与分子图基准上取得最佳性能，模块度持续领先。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIGDPool：层次图神经网络中的图依赖池化与自适应粒度
GDPool 为每个图动态确定层次池化粒度，并用自注意力选择图特定 anchors、通过软节点分配构建粗图。在金属有机框架和分子图基准上，GDPool 均取得最佳预测性能。其 modularity 持续高于现有方法，活动簇数随深度单调下降，敏感性分析显示跨超参数与架构选择表现稳定。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。