问题不是 GNN 不强，而是“假设全错”。GNN 的核心假设有 4 个，在 DGraph 中几乎全被打破。1️⃣ 同质性假设被严重破坏GNN 默认相信“相连的节点更可能属于同一类”。这在社交网络、引用网络里成立。而金融欺诈图中实际是 欺诈节点 ≠ 喜欢连欺诈节点。反而是：“欺诈 → 大量正常用户” “欺诈 → 垃圾账号 / 背景节点” “欺诈 → 临时壳节点”，结果message passing = 风险被正常节点“稀释”。越聚合邻居，欺诈信号越弱。2️⃣ 异质性极强，但 GNN 处理不好DGraph 的是多类型、有方向、有语义（转账 / 担保 / 登录 / 设备）普通 GCN / GAT：把...

bg末9 CS弱相关专业，第一次写简历，外卖+点评烂大街项目，最近一个月才开始刷算法背八股，目前hot100过了一遍，八股只看了JavaGuide重点和黑马的视频，想在北京找个中小厂实习有机会吗😭

因为老是有hr偷看我简历，然后老是搞推理框架和算子优化的，我决定从头学一遍并且总结出来。不搞芯片的不用学，这个吃学历和顶会的。也就是为什么我从一开始没搞这个，但是又收到了中科院和香港实验室之类的邀请。现在学好像有点晚了。。。。算啦，搞一下吧。然后其实你们看到的稿子都是我写剩下的，一般都是写好几篇到点就发的。本文需要先看了上期讲芯片的看了才容易点。那么正式开始吧，本文的话还是按照vllm举例，因为时间有限，我和你们的时间都有限，所以我只讲最简单，最通用的东西，第一点：基本上所有的推理优化都是优化Tensor Cores,第二点：其他的SM架构，cuda cores无法被优化，这个是硬件，vllm...