超越 Transformer:图神经网络在长文本处理中的潜力
虽然 Transformer 架构统治了 NLP 领域,但在处理显式结构化知识时,图神经网络展现出了独特的优势。本文探讨了如何将 GNN 与注意力机制结合...
致力于探索人工智能的边界。
我专注于将复杂的深度学习理论转化为优雅的工程解决方案。在这里,我分享我的代码、研究以及关于未来的思考。
关于熵视角下激活函数优化问题的研究...
重构了可视化仪表盘。
在协会活动室分享 "LLM + KG" 实践。
我的研究兴趣主要集中在图神经网络 (GNN) 及其在知识图谱 中的应用。我相信,图结构是表示复杂关系最自然的方式,而 GNN 则是挖掘这些关系潜力的关键工具。我的本科毕业设计正是关于异构图神经网络的节点预测优化,目前已有初步成果。
查看我的简历 (PDF)2023.10 - 2024.5 | 第一主持人 | 指导教师:赵转哲教授
2023.10 - 2024.5 | 项目成员 | 指导教师:邓寿年副教授
2024.10 - 2025.5 | 核心学生成员 | 与清华大学、天津大学相关课题组合作
精选的研究项目与软件开发案例
虽然 Transformer 架构统治了 NLP 领域,但在处理显式结构化知识时,图神经网络展现出了独特的优势。本文探讨了如何将 GNN 与注意力机制结合...
在构建大规模图计算系统时,纯 Python 往往成为性能瓶颈。通过 PyBind11,我们可以无缝地将 C++ 的高性能计算能力引入 Python 生态...
面对功能日益复杂的 AI 工具,如何保持界面的简洁与直观?从认知负荷理论出发,探讨现代科技产品的设计哲学。