Los investigadores han presentado HarmonyGNN, una nueva técnica de entrenamiento para redes neuronales de grafos (GNN) que mejora la precisión en datos de grafos heterogéneos sin depender de nodos etiquetados. Las pruebas realizadas en 11 grafos de referencia mostraron un rendimiento de vanguardia en siete grafos homogéneos y mejoras en la precisión de entre el 1,27 % y el 9,6 % en cuatro grafos heterogéneos. El marco también aumenta la eficiencia computacional. El trabajo se presentará en la Conferencia Internacional sobre Representaciones de Aprendizaje en 2026.