破解非子模难题
首个用决策Transformer建模顶点选择顺序的网络崩溃求解器，能捕获顶点组合效应，在非子模目标上显著超越现有方法，并展现出色迁移性。
Kaili, Ma · Yang, Han · Shanchao, Yang · Zhao, Kangfei · Li, Lanqing · 陈永锵 · Huang, Junzhou · 程系 · Rong, Yu
Neural Networks 2024
通过决策Transformer考虑历史动作序列，有效捕捉所选顶点之间的组合效应，从而缓解非子模性带来的困难。
在各种网络崩溃问题和不同规模图上，DT-NC 均优于最先进方法，验证了其优越性。
训练后的模型能够迁移到新任务和新图上，无需重新训练即可保持高性能。