本文介绍了图神经网络（GNN）和图转换器的最新研究进展，包括Spectral Attention Network、Graphormer和Tokenized Graph Transformer等模型。这些模型通过改进位置编码和注意力机制，提升了图结构数据的表示学习能力，并在多个基准测试中表现优异。同时，研究探讨了图转换器在不同任务中的应用及其面临的挑战，如可扩展性和可解释性。