GNN超参数迁移参数化方案获验证

Gage DeZoort 与 Boris Hanin 提出并验证了一套面向图神经网络（GNN）的超参数迁移参数化方案，适用于 SGD、Adam 和 AdamW 三种优化器，可在网络宽度和深度增加时实现稳定的特征更新与学习率迁移。 针对 SGD，作者识别出依赖图结构的第一层修正因子，称其可加速稀疏 bag-of-words 输入图的早期训练；针对 Adam，分析了不同消息传递归一化对训练前后期迁移行为的影响。该工作已被 LoG 2026 接收。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。