Christopher Blöcker

新研究探索图神经网络的可解释性与多图推理

研究人员正在探索增强图神经网络（GNNs）可解释性和实用性的新方法。一篇论文研究了节点特征在图池化中的关键作用，提出有效的池化需要与图拓扑对齐的特征。另一项研究介绍了GRAFT，一个通过将预测归因于特定输入特征来审计GNN的框架，这些特征可以被翻译成自然语言规则。此外，还提出了一个新的基准来评估视觉语言模型（VLMs）在多图理解和推理任务上的表现，超越了单图分析。