Δsig

深度分析

LLM 特徵拼接在高同質性與低同質性圖神經網路上的表現差異分析

研究發現，將大型語言模型產生的節點特徵以純拼接方式加入圖神經網路，會在高同質性資料集如PubMed與Cora上大幅降低測試準確率，下降幅度最高達17個百分點；而在同質性較低的WikiCS與ogbn‑arxiv上則可提升數個百分點。作者提出以Δsig指標預測拼接效應，並建議使用可學門控或聯合訓練等機制避免負面影響。