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...

属实有些累了

#小红书开奖了#

思特威AI芯片工程师一面面经二面：部门主管面 9.21 30-40min探讨了我项目中所负责的模块的实际应用场景（可能相比起技术细节会更偏向于对IP应用的思考）我的项目多是数模结合的模块，因此也追问了数模结合项目对于个人求职中的优势。整体下来更多是在询问在项目中担任的角色和对自己项目模块高层次的掌握程度。反问问了面试官身份，工作内容和项目中的重难点三面：hr面10.11 45min（没想到是最久的）谈了下入职之后的培训，公司发展情况和业务情况，以及可能的薪资待遇，照常询问了一下现有的offer和等待的机会。反问环节确认了一下自己的排序情况。第二天oc，过几天收到了offer使用内推码简历优先筛...