审计发现GNN时空预测基准增益缩水

一项针对常用时空预测基准数据集与模型的审计发现，图神经网络（GNN）在这些基准上的表现并不一致。重新评估时间线性基线后，GNN在多个基准上的增益大幅缩水，在部分基准上甚至被线性基线超越。 审计还发现，为GNN提供自回归残差可提升其表现，尤其在非交通类基准上；合成实验显示，GNN对时间动态与空间图交互的异质性较为敏感。该论文由Kenneth Martin等作者发布。 这意味着，此前基于这些基准得出的GNN优于线性基线的结论，其稳健性受到质疑。

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。