Pesquisadores apresentaram o HarmonyGNN, uma nova técnica de treinamento para redes neurais de grafos (GNNs) que melhora a precisão em dados de grafos heterogêneos sem depender de nós rotulados. Testes realizados em 11 grafos de referência demonstraram desempenho de ponta em sete grafos homogêneos e ganhos de precisão de 1,27% a 9,6% em quatro grafos heterogêneos. A estrutura também aumenta a eficiência computacional. O trabalho será apresentado na Conferência Internacional sobre Representações de Aprendizado em 2026.