给图神经网络装上更强的位置编码，提升结构感知能力。
GRAPE 是一个面向图神经网络的表示位置编码方法，由 ICLR 2026 论文提出。它通过将节点分组并学习组级别的表示位置编码，解决了传统位置编码在捕捉图结构信息时表达能力不足的问题。核心能力包括：支持多种图任务（如节点分类、链接预测），可与主流 GNN 架构（如 GCN、GAT）无缝集成，并提供高效的组表示学习机制。该工具主要面向图学习研究者和工程师，帮助提升模型对图结构位置信息的利用效率，从而改善下游任务性能。项目代码以 Python 实现，基于 PyTorch 等框架，提供简洁的 API 和示例，便于快速上手和实验复现。
Graph Positional Encoding (如 LapPE)、Graphormer (中心性编码)、Position-aware Graph Neural Networks (P-GNN)
GRAPE 是模型训练领域的开源项目，由 model-architectures 开发，2025 年首次发布。
它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 120。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-05。Apache-2.0许可证，可免费使用和部署。
它主要面向的使用场景是：图节点分类任务，提升模型对图结构的理解。同类可对比的替代方案包括 Graph Positional Encoding (如 LapPE)、Graphormer (中心性编码)、Position-aware Graph Neur…。
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
