研究揭示循环算法推理器过早泛洪失效

2026年10月15日，Amin Najafgholizadeh 与 Mohsen Afsharchi 在 arXiv Artificial Intelligence 发表研究，指出循环算法推理器在小图上按步训练提示、在大图上运行更多步时，即使复现全部训练提示，仍会在深图上出错：搜索尚未到达就提前宣告节点已访问，研究者称之为“premature flood”，并追踪到两条路径。研究给出的缓解条件与对象绑定：钳制度数输入或加入 200 个稠密训练图，可消除 GRU 处理器的全部失效；在步与步之间分离状态，在该处理器上可避免泛洪（23 个种子中 0 个，全反向传播下为 6 个），但对求和或残差更新无效，且两种已发表补救措施仍留有泛洪。基准测试集没有既深又稠密的，但其最深的 Delaunay 图在 1,600 个节点上，一个 GIN 种子从第 18 步开始泛洪。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。