00:37官方账号arXiv cs.LG@Francesco Paolo Nerini, Francesco Bonchi, Arijit Khan, André Panisson精选73°研究人员提出利用图神经网络解决归纳相关聚类问题,这是相关聚类问题的新泛化。该方法通过训练学习利用共同结构模式和节点特征,可处理未见过的图实例。实验显示,该方法在归纳设置下推理时间可降低最多5个数量级,同时保持与最佳基线解约10%的近似比。该方法还作为可学习的池化机制用于图分类,增强GNN捕获网络层次结构信息的能力。论文Correlation ClusteringGraph Neural Networks图神经网络推荐理由:论文提出用图神经网络解决相关聚类问题,推理时间降低5个数量级,还能作为图分类的池化层。原文稍后读已读值得跟进有用关注 Correlation Clustering
09:19AI产品黄叔@PMbackttfutureAI资讯站AIHOT月活突破60万。该站每日5分钟级抓取数百信源,经数据清洗、结构化、预筛、精选、聚类等流程,其中大模型介入10多个节点。作者自造聚类算法,经过大量数据回测达到准确性要求。网站承诺永久免费。AI产品AIHOTAI资讯资讯聚合推荐理由:卡兹克做的AIHOT资讯站月活60万了,后端技术流程超复杂,自建聚类算法,对人和Agent都好用,还永久免费。原文稍后读已读值得跟进有用关注 AIHOT
07:16Yangyi@YangyixxxxAIHOT月活突破60万。后端流程包括数百信源5分钟级抓取、数据清洗、结构化、预筛、精选、聚类,大模型介入超过10处。聚类算法基于自研,经过多轮回测和数据标注。网站永久免费,网址aihot.virxact.com。AI产品AIHOT数字生命卡兹克AI资讯推荐理由:这个AI资讯站月活60万了,作者说自己对资讯品味有信心,背后技术很硬核,永久免费,值得一试。原文稍后读已读值得跟进有用关注 AIHOT
17:21官方一手marktechpost@Asif Razzaq精选Flash-KMeans是一个开源的、IO感知的精确K-Means实现,使用Triton GPU内核,不改变Lloyd算法数学或做近似。其FlashAssign组件消除了距离矩阵的物化,Sort-Inverse Update消除了原子竞争。在NVIDIA H200上,它实现了17.9倍端到端加速,比cuML快33倍,比FAISS快200倍以上。该算法在大规模聚类任务中显著降低内存开销和计算延迟。AI模型Flash-KMeansFAISScuML8 个信源在谈事件专题推荐理由:开源Flash-KMeans在H200上比FAISS快200多倍,做精确k-means不近似,适合大规模数据聚类。原文稍后读已读值得跟进有用关注 Flash-KMeans