Des chercheurs ont présenté HarmonyGNN, une nouvelle technique d'entraînement pour les réseaux neuronaux sur graphes (GNN) qui améliore la précision sur des données de graphes hétérogènes sans recourir à des nœuds étiquetés. Des tests réalisés sur 11 graphes de référence ont montré des performances de pointe sur sept graphes homogènes et des gains de précision allant de 1,27 % à 9,6 % sur quatre graphes hétérogènes. Ce cadre améliore également l'efficacité computationnelle. Ces travaux seront présentés lors de la Conférence internationale sur l'apprentissage des représentations en 2026.