Skip to content
Hot eventLive

Transferable Graph Metanetworks 提出可跨宽度迁移的图元网络

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026-10-02，arXiv 发布一手研究，提出可迁移图元网络（Transferable Graph Metanetworks），旨在让图神经网络的性能跨不同宽度迁移。该方法基于不变性与连续性原则，在最大更新参数化（μP）训练的输入网络上表现最强，鲁棒性达训练宽度的 42 倍，并用无限宽极限理论解释泛化保证与失败原因。

Generated from reports · updated 3 hr ago

LatestOct 2
arXiv 发布可迁移图元网络研究，称其鲁棒性达训练宽度的 42 倍。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Statistics Machine Learning
    可迁移图元网络（Transferable Graph Metanetworks）

    提出可迁移图元网络，通过不变性与连续性原则使性能跨不同宽度网络可迁移。在最大更新参数化（μP）训练的输入网络上表现最强，鲁棒性达训练宽度的 42 倍，并用无限宽极限理论解释了泛化保证与失败原因。

Heat trend

There is not enough continuous observation data to draw a trend yet.