Concorde：解耦能量最小化的链接预测框架

Ege Demirci 与 Ambuj Singh 提出链接预测框架 Concorde，将链接似然分解为三个结构解耦的分支：参数无关的谱锚点、可学习双曲×球面乘积流形上的混合曲率残差，以及双曲空间切丛上的连续向量场；三者经门控融合，并以 N-pair 排序损失训练。 在覆盖稀疏、稠密、无特征与带属性场景的五个基准上，作者报告 Concorde 取得最优早期检索精度，稀疏设置下 P@10% 较领先基线近乎翻倍。该工作入选 NeurIPS 2026。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。