HarmonyGNN在四个高难度基准上将GNN准确率最高提升9.6%
研究团队提出HarmonyGNN训练框架，在异质性图上显著提升图神经网络准确率，最高增幅达9.6%，并兼顾同质性图上的性能与训练效率。
“冻结神经元”新方法：在不牺牲性能的前提下提升大模型安全性
研究团队提出“表面安全对齐假说”，识别并冻结安全关键神经元，在降低对齐成本的同时增强大型语言模型的安全表现。
研究团队提出HarmonyGNN训练框架，在异质性图上显著提升图神经网络准确率，最高增幅达9.6%，并兼顾同质性图上的性能与训练效率。
研究团队提出“表面安全对齐假说”，识别并冻结安全关键神经元，在降低对齐成本的同时增强大型语言模型的安全表现。
