Buchumschlag

Understanding the Failure Modes of Transformers through the Lens of Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Lee, Hunjae
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Runway Cascade of Transformers for Language Modeling
von: Lee, Hunjae, et al.
Veröffentlicht: (2026)

Transformer Modeling for Both Scalability and Performance in Multivariate Time Series
von: Lee, Hunjae, et al.
Veröffentlicht: (2025)

Dynamic Relational Priming Improves Transformer in Multivariate Time Series
von: Lee, Hunjae, et al.
Veröffentlicht: (2025)

Generalization of Graph Neural Networks through the Lens of Homomorphism
von: Li, Shouheng, et al.
Veröffentlicht: (2024)

A Simple Spectral Failure Mode for Graph Convolutional Networks
von: Priebe, Carey E., et al.
Veröffentlicht: (2020)

Understanding Transformers through the Lens of Pavlovian Conditioning
von: Qiao, Mu
Veröffentlicht: (2025)

On Oversquashing in Graph Neural Networks Through the Lens of Dynamical Systems
von: Gravina, Alessio, et al.
Veröffentlicht: (2024)

In Transformer We Trust? A Perspective on Transformer Architecture Failure Modes
von: Mondal, Trishit, et al.
Veröffentlicht: (2026)

Understanding Heterophily for Graph Neural Networks
von: Wang, Junfu, et al.
Veröffentlicht: (2024)

Unveiling Mode Connectivity in Graph Neural Networks
von: Li, Bingheng, et al.
Veröffentlicht: (2025)

FP64 is All You Need: Rethinking Failure Modes in Physics-Informed Neural Networks
von: Xu, Chenhui, et al.
Veröffentlicht: (2025)

A Family of Adaptive Activation Functions for Mitigating Failure Modes in Physics-Informed Neural Networks
von: Murari, Krishna
Veröffentlicht: (2026)

When Graph Neural Networks Meet Dynamic Mode Decomposition
von: Shi, Dai, et al.
Veröffentlicht: (2024)

Understanding the Failure Modes of Out-of-Distribution Generalization
von: Nagarajan, Vaishnavh, et al.
Veröffentlicht: (2020)

Expressivity of Graph Neural Networks Through the Lens of Adversarial Robustness
von: Campi, Francesco, et al.
Veröffentlicht: (2023)

Explaining Grokking in Transformers through the Lens of Inductive Bias
von: Singh, Jaisidh, et al.
Veröffentlicht: (2026)

Transformers are Graph Neural Networks
von: Joshi, Chaitanya K.
Veröffentlicht: (2025)

Understanding Pooling in Graph Neural Networks
von: Grattarola, Daniele, et al.
Veröffentlicht: (2021)

Power Failure Cascade Prediction using Graph Neural Networks
von: Chadaga, Sathwik, et al.
Veröffentlicht: (2024)

Retrofitting Temporal Graph Neural Networks with Transformer
von: Huang, Qiang, et al.
Veröffentlicht: (2024)

Towards Understanding Variants of Invariant Risk Minimization through the Lens of Calibration
von: Yoshida, Kotaro, et al.
Veröffentlicht: (2024)

Rethinking Graph Generalization through the Lens of Sharpness-Aware Minimization
von: Qiu, Yang, et al.
Veröffentlicht: (2026)

Understanding Machine Unlearning Through the Lens of Mode Connectivity
von: Cheng, Jiali, et al.
Veröffentlicht: (2025)

PINNs Failure Modes are Overfitting
von: Andersen, Nigel T., et al.
Veröffentlicht: (2026)

Graph Neural Networks for Heart Failure Prediction on an EHR-Based Patient Similarity Graph
von: Boll, Heloisa Oss, et al.
Veröffentlicht: (2024)

Exact Generalisation Error Exposes Benchmarks Skew Graph Neural Networks Success (or Failure)
von: Ayday, Nil, et al.
Veröffentlicht: (2025)

Entry-Specific Matrix Estimation under Arbitrary Sampling Patterns through the Lens of Network Flows
von: Chen, Yudong, et al.
Veröffentlicht: (2024)

Understanding Hallucinations in Diffusion Models through Mode Interpolation
von: Aithal, Sumukh K, et al.
Veröffentlicht: (2024)

Space of Data through the Lens of Multilevel Graph
von: Caputo, Marco, et al.
Veröffentlicht: (2025)

Bayesian Joint Model of Multi-Sensor and Failure Event Data for Multi-Mode Failure Prediction
von: Fard, Sina Aghaee Dabaghan, et al.
Veröffentlicht: (2025)

Understanding Sensitivity of Differential Attention through the Lens of Adversarial Robustness
von: Takahashi, Tsubasa, et al.
Veröffentlicht: (2025)

BloomGML: Graph Machine Learning through the Lens of Bilevel Optimization
von: Zheng, Amber Yijia, et al.
Veröffentlicht: (2024)

Understand the Effectiveness of Shortcuts through the Lens of DCA
von: Sun, Youran, et al.
Veröffentlicht: (2024)

Towards Understanding How Transformers Learn In-context Through a Representation Learning Lens
von: Ren, Ruifeng, et al.
Veröffentlicht: (2023)

Understanding In-Context Learning of Linear Models in Transformers Through an Adversarial Lens
von: Anwar, Usman, et al.
Veröffentlicht: (2024)

Explainable Graph Neural Networks: Understanding Brain Connectivity and Biomarkers in Dementia
von: Tewari, Niharika, et al.
Veröffentlicht: (2025)

Graph Neural Networks with a Distribution of Parametrized Graphs
von: Lee, See Hian, et al.
Veröffentlicht: (2023)

Multi-Narrow Transformation as a Single-Model Ensemble: Boundary Conditions, Mechanisms, and Failure Modes
von: Hasegawa, Tatsuhito, et al.
Veröffentlicht: (2026)

Disentangling Hyperedges through the Lens of Category Theory
von: Lee, Yoonho, et al.
Veröffentlicht: (2025)

Understanding and Mitigating Bottlenecks of State Space Models through the Lens of Recency and Over-smoothing
von: Wang, Peihao, et al.
Veröffentlicht: (2024)