arXiv · cs.AI· Yue Dai, Sarah Zhou, Youtao Zhang·· 1 天前
RAFT：面向时序图神经网络训练的冗余感知输入过滤方法
RAFT: Redundancy-Aware Input Filtering for Temporal Graph Neural Network Training
arXiv:2610.24875v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yue Dai, Sarah Zhou, Youtao Zhang
研究任务与主要进展
基于论文摘要，RAFT 通过跟踪节点记忆变化，过滤部分预测目标与历史上下文，以降低时序图神经网络训练的事件处理成本。在三个模型和五个数据集上，作者报告训练输入平均减少 35.23%、最高减少 97.11%，记录训练时间最高减少 52.56%，模型精度变化很小；材料未提供完整实验细节或更多基线比较。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org