深度分析
LoRe：以每步預算與狀態驅動動態路由，擴展圖形疊代解算器的推理規模
面對大尺度圖形疊代求解的記憶體與延遲瓶頸，本文提出LoRe：在每步強制互動評估預算，動態路由計算到高衝突或高不確定互動，並以輕量回補維持全局影響，實驗顯示在MIS與TSP上能大幅減少記憶體與加速推理。在多項實驗中保持解品質同時顯著降低記憶體與時間成本。
GNN
深度分析
百萬節點下的GAD壓力測試：GNN、補值敏感度與稀有異常挑戰
圖形異常檢測（GAD）在金融詐欺與社群治理等場景至關重要，但現有評測多仰賴小型且理想化資料，與生產環境差距甚大。本文提出一套多維度基準，從百萬級節點擴展、極低異常率到節點屬性缺失，利用五個來源圖（含兩個工業級原生資料集）系統性比較九類代表性演算法。
深度分析
TravelFraudBench（TFG）：以可調難度合成圖評估 GNN 在旅遊詐騙環偵測的效能
旅遊平台詐欺呈現明確圖結構信號，TravelFraudBench（TFG）提出可控合成生成器，模擬三種旅遊詐欺環：票務星狀、旅宿幽靈雙分身、以及帳號接管點數鏈。實驗顯示GraphSAGE在節點判別與環級回收上顯著超越表格基線，強調圖結構在實務警示精準度上的決定性影響。
深度分析
結合 LLM 與 GNN 的 GLOW 系統：開放式知識圖譜問答新突破
開放式知識圖譜問答因圖譜不完整而受限。GLOW 透過 GNN 預測候選答案，並以結構化提示驅動 LLM 推理，實現符號與語意雙向結合。實驗顯示其在新基準上提升最高 53.3%，顯示開放世界 QA 的可行新方向。