Forscher stellten HarmonyGNN vor, eine neue Trainingsmethode für graphische neuronale Netze (GNNs), die die Genauigkeit bei heterogenen Graphdaten verbessert, ohne auf beschriftete Knoten angewiesen zu sein. Tests an 11 Benchmark-Graphen zeigten bei sieben homogenen Graphen eine Leistung auf dem neuesten Stand der Technik und bei vier heterogenen Graphen Genauigkeitssteigerungen von 1,27 % bis 9,6 %. Das Framework steigert zudem die Recheneffizienz. Die Arbeit wird auf der International Conference on Learning Representations im Jahr 2026 vorgestellt.