论文地址:https://arxiv.org/pdf/2203.00112.pdf论文代码:https://github.com/google-research/graphworld欢迎关注小编知乎:戴鸽谷歌大佬新的图网络Benchmark。与以往堆数据的benchmark不同,这篇文章指出了单纯堆数据量可能并不让图模型学到有用的信息,与其是简单的数据量,对图模型更重要的应该还是图结构本身的数据是什么样子的。Introduction目前来说,在图网络领域有大量的benchmark的数据集,然后大家可以在这些数据上测试新的图网络算法。但是由于数据本身可能有一些特性,导致一般情况下不能说一个新模型能通用到所有数据上,甚至一个新的模型可能会针对一个特殊的数据集产生结构上的过拟合(architectural overfitting),并且,作者认为目前的一些工作可能只是模型参数量的增加,并没有理解图本身的信息,因此很难说模型变好到底是参数量增加了还是模型真
………………………………