研究者提出DTA-GT图Transformer用于NAS精度与延迟预测
热点事件持续更新
研究者提出DTA-GT图Transformer用于NAS精度与延迟预测
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Yuxiang Zeng 等作者提出方向与拓扑感知的图 Transformer(DTA-GT),用于神经架构搜索中的精度与延迟预测,该工作已被 NeurIPS 2026 接收。 据论文介绍,DTA-GT 提出“编码器全局方向一致性”设计原则,在节点初始化、全局谱编码、节点间交互和特征更新各环节统一建模有向计算语义,具体整合了 Magnetic Laplacian 谱编码、方向对偶结构注意力和方向敏感的 MoE-FFN。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 13:00
DTA-GT:面向神经网络表示学习的方向与拓扑感知 Graph Transformer报道时间线
沿着报道,了解事件的不同侧面。
11月5日
- arXiv cs.AIDTA-GT:面向神经网络表示学习的方向与拓扑感知 Graph Transformer
DTA-GT 是一种方向与拓扑感知的 Graph Transformer,用于神经架构搜索中的精度与延迟预测,已被 NeurIPS 2026 接收。它提出"编码器全局方向一致性"设计原则,整合 Magnetic Laplacian 谱编码、方向对偶结构注意力和方向敏感的 MoE-FFN。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。