**GraphMuon：首个针对图神经网络设计的矩阵感知优化器，训练效率提升 2.42 倍**

_Module-Aware Optimization for Graph Neural Networks_

> 针对图神经网络（GNN）中传统矩阵感知优化器（如 Muon）存在的“图诱导更新放大”缺陷，研究团队提出了 GraphMuon。该优化器通过引入图传播表示的协方差结构来定义度量空间，实现了与图结构感知的正交化更新，从而有效缓解了更新幅度过大的问题。实验表明，GraphMuon 在三个大规模基准测试中，相比 AdamW 将收敛至目标损失的时间缩短了 1.32 至 2.42 倍，并在 15 种配置中于 13 种情况下实现了更快的收敛速度，同时保持了具有竞争力的预测性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-11-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.08379)