Nytt riktmärke avslöjar kluven förmåga hos AI-modeller för dynamiska nätverk

arXiv cs.AI

Forskare har lanserat TTGBench, ett riktmärke (benchmark) som testar hur väl AI-modeller hanterar grafer som förändras över tid – både i struktur och betydelse. Testet av 17 moderna metoder avslöjar ett tydligt mönster: grafnätverk (TGNNs) är bra på att förutsäga kopplingar men missar semantiska förändringar, medan LLM-baserade modeller klarar det omvända. Det är i grunden ett kartläggningsarbete som visar att ingen modell ännu klarar båda uppgifterna – vilket är mer intressant än det låter.