2026年第27周 热点论文精选：图神经网络
本期精选10篇第27周图神经网络方向优质论文，覆盖图Transformer架构设计、图与LLM联合预训练、文本属性图扩散模型、持续图学习、图联邦基础模型、知识图谱表示、图感知视觉语言模型、几何拓扑驱动聚类等前沿子方向。
一文带你浏览Graph Transformers
和之前NLP中的BERT不一样的地方主要是position encoding，Graph-BERT使用了三种PE，分别是WL absolute PE，intimacy based relative PE和Hop based relative PE，这里三个PE都是根据complete graph计算得到的。
干货！图神经网络及其自监督学习
图神经网络是2017年兴起的研究方向，主要作用是利用节点aggregate的方式将每个节点的其他的邻居的信息聚合到自己的节点。通过神经网络自动表征学习能力，来自动选取出最适合的节点表征以及边表征，从而处理一些下游任务。
商汤科技闫俊杰：用软硬件协同妙招，让深度学习模型部署更灵活高效
在这场全天座无虚席、全网直播观看人数逾150万次的高规格AI芯片产业峰会上，来自产业链上下游的16位大佬共聚一堂，围绕嵌入式AI的软硬件生态创新、家居AIoT、移动机器人和工业制造产业4大版块地图，带来了深入浅出的分享。
如何将 图纸中的图元转化为大模型理解的图神经网络拓扑结构
将 CAD 图纸（如 DWG/DXF 格式）中的几何线段、文字和图元转化为图神经网络（GNN）可读的拓扑结构，其核心本质是“将连续的、几何空间的点线信息，转化为离散的、具有语义和邻近关系的‘异构图（Heterogeneous Graph）’”。
胚胎发育最初1小时的秘密，被MIT新模型精准破解了
近期，他们在《自然·方法》期刊发表了一项名为 MultiCell 的几何深度学习方法，首次实现了在单细胞分辨率下，逐分钟预测果蝇胚胎发育过程中每一个细胞的行为变化。
万字长文解读：从Transformer到ChatGPT，通用人工智能曙光初现
同时，根据路透社的报道，ChatGPT发布仅两个月就有1亿用户参与狂欢，成为有史以来用户增长最快的产品。
图神经网络 - 2026年第43周热点论文精选
核验说明:编号与日期经 arXiv 检索与 abs 页 Submission history 双向核验，一律以 提交日为准。