🕸️ 图学习¶

🧠 NeurIPS2026 · 6 篇论文解读

📌 同领域跨会议浏览： 🎞️ ECCV2026 (1) · 📷 CVPR2026 (8) · 🔬 ICLR2026 (118) · 💬 ACL2026 (24) · 🧪 ICML2026 (35) · 🤖 AAAI2026 (37)

🔥 高频主题： 图神经网络 ×2

Efficient Dynamic Algorithms for Graph Neural Networks with Non-Linear Propagation: 本文用残差证书、端点缩放和选择性推送维护动态无向图上的非线性传播不动点，在度归一化误差下证明确定性的摊销更新界，并展示非线性能够提升静态分类准确率而不明显增加动态传播成本。
HoTS: Homophily-Aware Temperature Scaling for Graph Neural Network Calibration: HoTS 用预测熵和辅助 GCN 估计的局部同质性生成节点级正温度，以理想化 CSBM 的逆同质性温度规律为结构先验，在不改变预测类别的前提下取得 18 个数据集上的最佳平均 ECE 4.79%，但并非逐数据集或逐覆盖率都最优。
Neural Structural Reasoner: A Brain-inspired Architecture for Reasoning over Structured Knowledge: NSR 将实体、关系及关系链绑定到可读的网络单元与连接，通过关系关联检索和显式图路径传播完成链接预测，在 Nations 上取得 MRR 0.8142，但其优势随数据集变化，且静态加速实现的效率不能直接等同于在线脑启发动力学的效率。
Relation-Aware Graph Foundation Model: REEF 把可跨图共享的关系语义作为图基础模型的迁移单元，用语义超网络生成聚合器、分类器及数据集投影，在三个目标图的 1-shot 分类中达到 48.66%、48.65%、47.72% 准确率，但对未见关系、零样本任务和计算成本仍有明确边界。
Spectral Reversal: Counteracting Singular Value Bias for Graph Prompting: SRP 在冻结 GNN 的各层用奇异值软掩码优先读取弱方向，并用零空间 PCA 补充被原权重丢弃的特征，再把低秩提示加到聚合后的激活上；在 GraphCL 预训练的 5-shot Cora 上达到 68.11% 准确率，但并非所有数据集都优于最强基线。
Understanding and Mitigating Under-Confidence in GNNs from the Final Layer: SCAR 从 GNN 的末层分类器解释欠置信，训练时单独减小末层权重衰减，推理时按节点与训练集的邻接关系将表示拉向预测类别原型，在多种节点分类设置中降低 ECE，但不保证预测标签或准确率始终不变。