arXiv · cs.AI· Yue Dai·· 9 天前AI 评分23
RAFT：面向时序图神经网络训练的冗余感知输入过滤框架
RAFT: Redundancy-Aware Input Filtering for Temporal Graph Neural Network Training
来源与原文
arXiv · cs.AI
作者：Yue Dai
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.24875v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 RAFT，一个针对 TGNN 训练的冗余感知输入过滤框架，通过追踪节点记忆变化，用根事件过滤器和支持事件过滤器在训练前剔除冗余预测目标和历史事件。在 3 个 TGNN 模型和 5 个数据集上，RAFT 平均减少 35.23% 的训练输入（最高 97.11%），训练时间最多降低 52.56%，模型精度几乎不变。
来源：arXiv · cs.AI · arxiv.org