SCARCE：无标签图泛化如何实现隐式特征重加权

图神经网络在真实场景中常面临分布偏移（OOD）问题，提升图级泛化能力是落地关键。传统方法在表示学习阶段依赖类别标签来识别预测性子结构，这限制了无标签场景的应用。近期一篇论文提出SCARCE框架，仅利用训练图的环境划分（来自元数据或无监督聚类）即可学习分布鲁棒的图表示，为无标签图泛化提供了新思路。

现有方法的标签依赖困境

图级OOD泛化旨在让模型在训练分布之外保持稳健。已有工作通常假设训练时能获取类别标签，通过监督信号判断哪些子结构具有预测性，从而在表示学习中抑制虚假关联。然而，现实中标签往往稀缺或获取成本高，这种依赖成为瓶颈。SCARCE的出发点正是剥离标签依赖：它只要求对训练图进行环境划分，划分方式可以是数据集自带的元数据，也可以是在无元数据时对自监督嵌入进行聚类。环境划分提供了关于分布偏移的粗粒度信息，但不涉及类别语义。

两阶段训练：重建与对抗混淆

SCARCE采用两阶段流程。第一阶段，变分图自编码器（VGAE）通过图重建任务进行热启动，使编码器初步捕捉图结构信息。第二阶段引入对抗混淆机制：一个判别器尝试从编码器输出的表示中区分环境，而编码器则被训练来生成让判别器无法分辨环境的表示。同时，图重建保真度作为约束保留，防止信息过度丢失。这种对抗博弈促使编码器丢弃环境判别性方向，保留与任务相关的结构信息。

变分图自编码器（VGAE）是一种基于图结构的生成模型，其编码器将节点特征和邻接矩阵映射到潜在空间的分布参数（均值和对数方差），解码器则从潜在表示中重建邻接矩阵。训练目标包括重建损失和KL散度正则项，使潜在表示贴近先验分布。VGAE常用于无监督图表示学习，能够捕捉图的拓扑和属性信息。在SCARCE中，VGAE的热启动阶段通过重建任务预训练编码器，为后续对抗训练提供稳定的初始化，避免对抗博弈从随机噪声开始导致的不稳定。

理论视角：隐式特征重加权

论文提供了理论分析，表明环境混淆会收缩表示空间中与环境判别相关的方向。在正则化下游分类器下，这等价于对环境关联特征施加更强的方向性惩罚。换言之，SCARCE实现了一种隐式的特征重加权：它不像末层重加权方法那样显式调整权重，而是通过表示学习连续地降低对虚假相关性的依赖，同时不擦除信息。这种无标签的连续松弛为传统重加权方法提供了可扩展的替代方案。

特征重加权是处理分布偏移的经典策略，其核心思想是对不同特征维度赋予不同权重，以降低虚假相关特征的影响。末层重加权方法通常在模型最后一层显式调整权重，例如通过环境标签学习样本权重或特征惩罚。这类方法需要环境标签或额外的优化步骤，且权重调整是离散的。SCARCE的隐式重加权则发生在表示学习过程中，通过对抗混淆连续地收缩环境判别方向，等价于对所有下游分类器施加方向性惩罚。这种连续松弛避免了显式重加权的两阶段优化，更易于端到端训练，但理论保证依赖于对抗训练的收敛性。

实验验证：合成数据与DrugOOD

在受控合成数据集和DrugOOD数据集上，SCARCE在无标签方法中取得了最先进的OOD泛化性能。有意思的是，整个表示学习过程未使用任何类别标签，仅依赖环境划分。这验证了环境混淆机制的有效性，也说明无监督环境聚类可作为元数据的实用替代。实验覆盖了不同分布偏移类型，结果一致表明SCARCE优于现有无标签基线。

DrugOOD是药物发现领域的图级分布偏移基准数据集，包含多个子数据集，涵盖不同的偏移类型（如支架偏移、分子大小偏移等）。每个分子表示为图，节点为原子，边为化学键，任务为预测分子性质（如毒性）。DrugOOD提供了环境划分（基于元数据），便于评估OOD泛化方法。SCARCE在DrugOOD上不使用类别标签，仅利用环境划分进行训练，与无标签基线相比取得最优性能，验证了其在真实药物发现场景中的有效性。

意义与局限

SCARCE的核心贡献在于将图OOD泛化从标签依赖中解放出来，为标签稀缺的图学习场景提供了可行路径。其理论联系揭示了对抗混淆与特征重加权之间的等价性，为理解无标签泛化提供了新视角。潜在局限包括环境划分的质量依赖：当自监督聚类效果不佳时，性能可能下降；此外，对抗训练的计算开销和稳定性也是实际部署需考虑的因素。未来工作可探索更鲁棒的环境发现方法，并将框架扩展到节点级任务。