分布偏移下归纳图上的在线贝叶斯节点分类
原文标题：Online Bayesian Node Classification on Inductive Graphs under Distribution Shift
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对演化图上节点分类需兼顾归纳泛化与不确定性校准的需求，论文在确定性GNN编码器上叠加随机末层参数，提出变分贝叶斯末层（VBLL）目标联合训练编码器与近似后验。测试时冻结编码器并施加在线拉普拉斯更新，对应带指数遗忘与KL锚定的幂先验贝叶斯模型。在五个分布偏移基准上，online GVBLL是唯一在所有数据集上同时取得最佳准确率与负对数似然的方法，Cora提升达17个百分点。
- 问题
- 演化图上节点分类需同时满足分布偏移下的归纳泛化与不确定性校准。
- 方法
- 在确定性 GNN 编码器上叠加随机末层参数，用变分贝叶斯末层目标联合训练，测试时冻结编码器做在线拉普拉斯更新。
- 结果
- 五个分布偏移基准上唯一同时取得最佳准确率与负对数似然，Cora 提升最多 17 个百分点，ogbn-arxiv 提升 14 个百分点。
- 影响
- 为安全敏感的动态图场景提供可在线更新且校准良好的分类器，适合风控与异常检测部署。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。