#graph learning

一篇图学习论文，提出 AtlasULP 框架，在没见过的图上不用重新训练就能做链接预测，生物网络这类长程依赖场景提升明显，做图方向的朋友可以看看。

一篇医疗预测的论文：DIGOM 用图同时建模患者间和跨模态关系，在 MIMIC-IV 等数据集五个任务上都拿了最高 AUROC，模态缺失时也更稳。

一篇讲可解释图学习的新论文，核心是用稀疏传播干掉二次复杂度，百万节点规模的图也能跑，还保住解释的忠实度，做 GNN 可解释性的朋友可以看看。

这篇论文给出了一个让GNN和LLM真正协作的新思路——用图结构信息去构造提示词，再反过来优化图模型。实验扎实，覆盖6个数据集，比现有融合方法都强。

AdaR让图模型在测试时自己调整推理步数，不用重新训练，效果比传统图神经网络好。