研究：超图模型优势多不来自高阶信息

一项研究提出受控性能归因框架，在保持低阶（成对）信息不变的前提下扰动高阶信息，覆盖三类任务的 25 个常用超图学习基准。结果显示，超图神经网络等高阶模型原本优于低阶基线，但扰动后仍保留大部分优势，说明这部分增益无需高阶信息即可获得。 作者称，更丰富的成对加权、更多成对特征传播步数和归一化等简单改进可缩小剩余差距，因此呼吁区分性能增益与其解释，并采用更强的低阶基线。

AI 根据报道生成 · 7 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。