# 论文集
# 2026
# OOD-GraphLLM: Graph Large Language Model for Out-of-Distribution Generalized Drug Synergy Prediction
KDD 2026 Graph LLM Drug Synergy Prediction
Xin Wang, Linxin Xiao, Yang Yao, Wenwu Zhu
📄 Paper · 💻 Code · 🚀 Demo
Abstract
面向新化合物带来的分子拓扑分布偏移，OOD-GraphLLM 将分子图结构与生物医学语言语义放入统一框架联合优化。模型结合图神经架构搜索、检索增强指令微调与语言推理，在分布外场景下进行药物协同效应预测。
# 2025
# DyNAS-DDI: Dynamic Pairwise Architecture Search for Generalizable Drug-Drug Interaction LLM
ACM MM 2025 Neural Architecture Search Drug-drug Interaction
Linxin Xiao, Xin Wang, Zeyang Zhang, Yang Yao, Wenwu Zhu
📄 Paper · 💻 Code
Abstract
针对未知药物及分布偏移下的药物相互作用预测，DyNAS-DDI 为不同药物对动态搜索适配的图神经网络架构，并融合分子结构与文本语义。实验覆盖四个带 OOD 划分的数据集，重点考察模型跨分布泛化能力。
# Self-supervised Masked Graph Autoencoder via Structure-aware Curriculum
ICML 2025 Spotlight Self-supervised Learning Curriculum Learning
Haoyang Li, Xin Wang, Zeyang Zhang, Zongyuan Wu, Linxin Xiao, Wenwu Zhu
📄 Paper
Abstract
该工作把课程学习引入掩码图自编码器：先估计边在结构上的恢复难度，再通过自步调调度器从易到难安排掩码与重建任务，从而学习更具信息量的节点表示，并在节点分类和链路预测任务中验证效果。
# Towards Multimodal Graph Large Language Model
SCIS 2025 Position Paper Multimodal Graph
Xin Wang, Zeyang Zhang, Linxin Xiao, Haibo Chen, Chendi Ge, Wenwu Zhu
📄 Paper
Abstract
这篇立场论文讨论如何让大语言模型统一处理多模态图数据与任务，概括了统一结构 — 属性空间、多任务处理、图上下文学习、自然语言交互和多模态图推理五项关键能力，并梳理数据集、挑战与未来研究方向。
