GUG 2nd seminar
Read more
26년 3월 2주차 그래프 오마카세
Position: Message-passing and spectral GNNs are two sides of the same coin paper link : https://arxiv.org/abs/2602.10031 Keywords * MPNN, Spectral GNN * Graph Shift Operator * Spectral PE * Roadmap and Vision * 새로운 GNN 프로젝트를 위한 적절한 아키텍처들을 구축하고자 할 때 자연스럽게 두 가지 표준적인 접근 방식 사이에서 고민하게 됩니다.
26년 2월 3주차 그래프 오마카세
RAG-ANYTHING: ALL-IN-ONE RAG FRAMEWORK RAG-Anything: All-in-One RAG FrameworkRetrieval-Augmented Generation (RAG) has emerged as a fundamental paradigm for expanding Large Language Models beyond their static training limitations. However, a critical misalignment exists between current RAG capabilities and real-world information environments. Modern knowledge repositories are inherently multimodal, containing rich combinations of textual
26년 2월 2주차 그래프 오마카세
Graph Talks LLM,GNN integration 행사 참여 신청 링크 안녕하세요, GUG 정이태입니다. 1.입춘이 다가오고 있지만 여전히 바람이 매섭네요. 다행히 지난 주말은 바람이 잦아들어 잠시나마 숨을 돌릴 수 있는 휴일이었는데, 다들 건강하게 잘 지내고 계신가요? 2.요즘 AI 업계는 NVIDIA GTC 2025에서 화두가 되었던 GraphRAG(Softprompt, KGE)를 넘어, 다가올
26년 2월 1주차 그래프 오마카세
Learning Topology and Physical Laws Beyond Nodes and Edges : E(n)-Equivariant Topological Neural Networks E(n) Equivariant Topological Neural NetworksGraph neural networks excel at modeling pairwise interactions, but they cannot flexibly accommodate higher-order interactions and features. Topological deep learning (TDL) has emerged recently as a promising tool for addressing