Mutag Dataset
PulseAugur coverage of Mutag Dataset — every cluster mentioning Mutag Dataset across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的统计方法识别拓扑数据分析中的局部差异
研究人员开发了一种新的统计方法，用于分析持久性图谱的种群，这些图谱用于识别数据中的拓扑特征。这种方法侧重于精确定位出生-死亡平面内导致两个数据集之间差异的特定区域，而不仅仅是检测总体差异。该方法利用高斯乘数自举法来校准同时置信区间，并提供了一种可视化这些局部差异的方法，同时控制近似族际误差。
-
新方法增强了大型语言模型在长上下文和图数据上的解码能力
两篇新的研究论文介绍了一种改进大型语言模型自回归解码效率和结构感知能力的新方法，特别适用于处理长上下文和基于图的数据。CommunityKV将稀疏注意力构建为令牌图上的社区检测问题，在Qwen3和Llama-3.1模型上实现了比密集注意力高达1.71倍的生成吞吐量。GraphVQ通过使用VQ-VAE量化节点上下文和一种以对特征为条件的结构感知解码器来解决将图表示为离散令牌的挑战，提高了图生成的保真度，并在多个数据集上优于其他方法。
-
Graph Neural Network explanations lack canonicality due to input symmetries
一篇新研究论文探讨了解释图神经网络（GNN）中的一个根本性问题，特别是它们的解释如何因输入对称性而变得非规范化。研究强调，基于梯度的GNN解释器会为化学等价的原子分配相同的归因分数，但最终报告的解释，例如top-k边，可以根据数组排序任意偏向其中一个。这种任意性是一种结构性障碍，对于像Mutagenicity这样存在常见对称性的数据集尤其成问题。
-
图工具将小型语言模型分子预测准确率提升高达74%
一篇新的arXiv论文介绍了一种上下文增强提示框架，旨在增强小型语言模型（SLMs）的分子属性预测能力。该框架使SLMs能够利用外部工具，特别是图神经网络（GNN）专家模型，来接收预测提示并提取带有解释的相关子图。在MUTAG和Tox21数据集上的实验表明，准确性得到了显著提高，当图派生上下文被纳入提示时，相对增益通常超过25%，在Tox21上最高可达74%。尽管取得了这些进展，研究指出与专用GNN模型相比，性能差距依然存在，这表明文…
-
新的 PALACE 和 PLACE 方法为点云和图提供认证分类
研究人员开发了 PALACE，一个用于使用持久同调对点云和图进行分类的数据自适应系统。PALACE 基于 PLACE 流水线，提供闭式保证，并在 Orbit5k 和 COX2 等基准测试中取得了强大的实证结果。该系统利用自适应地标放置来在域膨胀下保持性能，优于均匀网格方法。