GNNからMLPへの知識蒸留で幾何学的情報を保持する新手法
arXiv cs.LGが2026年10月7日(現地時間)付けで、グラフニューラルネットワーク (GNNs) から多層パーセプトロン (MLPs) への知識蒸留における課題に関する研究論文を発表した。この論文「Distilling Graph Geometry: Knowledge Gap from GNNs to MLPs」では、既存手法が教師モデルの持つグラフ由来の幾何学的情報を適切に保持できていない点を指摘。この問題を解決するため、Ollivier-Ricci曲率に誘導される新しい学習時蒸留フレームワーク「Graph Geometry-aware MLP (G^2MLP)」を提案した。