北卡罗来纳州立大学研究团队推出新型图神经网络训练框架 HarmonyGNN，显著提高模型在同质和异质图数据上的准确率与计算效率。图神经网络广泛应用于药物研发、气象预测等领域，其性能常受限于缺乏标记节点的训练场景。HarmonyGNN 通过改进无监督学习过程，使模型能更有效区分节点间的同质性与异质性关系。测试结果显示，该框架在 11 个行业标准基准图上表现出明显优势，其中七个同质性图达到领先水平，四个异质性图准确率提升 1.27% 至 9.6%。相关论文将于 2026 年 4 月在巴西里约热内卢举办的国际学习表示会议上发布。
