GAIN是一种双重图聚合和推理网络，用于建模文档中不同提及之间的互动，并推断实体之间的关系。在DocRED数据集上，GAIN取得了显著的性能提升。

该研究提出了一种统一算法，可高效学习广泛的线性和非线性状态空间模型，包括深度神经网络建模的发射和转移分布。使用结构化变分逼近参数化的循环神经网络来模拟后验分布，同时学习编译的推理网络和生成模型。