待验证50% 置信事实精确时间
MAEM使用Simplified Graph Convolution（SGC）构建节点表示，SGC比标准GCN更轻量、更稳定，适合持续学习场景。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
涉及实体
相关事实
待验证GFlowNet方法相比强化学习基线和端到端LLM基线，在保真度、模式覆盖和真实性三个维度上实现了更好的平衡66% 相似待验证GraphSAGE 学习聚合函数而非固定嵌入，使模型可泛化到训练时未见过的新节点，实现归纳式学习64% 相似待验证GNoME基于图神经网络（GNN），通过学习Materials Project等密度泛函理论（DFT）数据库中已知晶体结构稳定性规律进行预测62% 相似待验证GGUF由llama.cpp项目推动，专门优化了CPU推理场景；AWQ通过识别重要通道进行非均匀量化60% 相似待验证SGLang 引入了 RadixAttention 技术，在某些基准测试中推理速度可比 vLLM 等主流推理框架提升 2-5 倍59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1033027API
curl https://kongchang.com/api/v1/knowledge/claims/1033027MCP
get_claim(id=1033027)