PulseAugur
中
实时 14:06:09
English(EN) Distance-Matrix Wasserstein Statistics for Scalable Gromov--Wasserstein Learning

关于可扩展Gromov-Wasserstein学习的研究论文被撤回

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇题为“用于可扩展Gromov-Wasserstein学习的距离矩阵Wasserstein统计”的研究论文已被作者Ao Xu撤回。该论文提出了一种名为距离矩阵Wasserstein（DMW）的新方法，作为Gromov-Wasserstein（GW）距离的可扩展近似和下界，GW距离用于比较图和形状。DMW通过比较随机距离矩阵的分布来工作，而不是优化全局点级对齐。作者声称具有理论保证，并在各种基准测试中证明了其有效性，但该论文后来被撤回。 AI

影响 这篇被撤回的研究论文对AI运营没有直接影响。

排序理由 该集群包含一篇被撤回的学术论文。[lever_c_research降级：ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

关于可扩展Gromov-Wasserstein学习的研究论文被撤回

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇被撤回的学术论文。[lever_c_research降级：ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
47 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ao Xu, Tieru Wu ·

    可扩展Gromov--Wasserstein学习的距离矩阵Wasserstein统计

    arXiv:2605.14981v2 Announce Type: replace Abstract: Gromov--Wasserstein (GW) distances compare graphs, shapes, and point clouds through internal distances, without requiring a common coordinate system. This invariance is powerful, but discrete GW is a nonconvex quadratic optimal …

相关实体

相关话题