本研究提出了使用领域自适应预训练的基于转换器的模型来嵌入文本信息，并使用图神经网络模型来抓取网络信息的增强型股票嵌入（SETN）。该模型在相关公司信息提取任务上的性能优于基线方法，为财富管理行业的应用提供了有希望的途径。

天津大学等团队开发了全球首个可开源的片上脑-机接口智能交互系统，瑞典团队开发了DNA纳米机器人抑制肿瘤生长，上海理工大学团队开发了超快卷积光学神经网络，华大基因等团队提出了图神经网络模型SpatialGlue，Recursion Pharmaceuticals公开发行股票募资。

研究发现三种经典的图神经网络模型在多样化数据集中的性能超过了图转换器。研究还探讨了配置对节点分类性能的影响，旨在提高图机器学习领域的实证功效。

本研究调查了图外分布问题（OOD）的体系结构，揭示了图的自注意机制和解耦体系结构对图OOD泛化的正面贡献。开发了一种新的图神经网络模型DGAT，通过实验证明了其在图OOD下的有效性。

本文介绍了一种新的图神经网络模型EGNN，具有等变性和较大的伸缩性，适用于动态系统建模和预测分子性质。