frozen-$\phi$

双层图学习的收益归因于训练动态，而非重连

研究人员重新审视了双层图结构学习，这是一种联合优化模型参数和图结构以增强图神经网络的技术。他们的发现表明，性能的提升显著是由内层循环中的训练动态驱动的，而非像之前假设的那样仅仅由图的重连引起。为了分离这些影响，他们引入了一种名为 frozen-$\phi$ 的控制方法，该方法在保持内层训练计划的同时冻结图结构。该诊断揭示了内层训练动态在性能提升中占有很大一部分，有时能媲美甚至超越完整的双层方法。