MetaRTL 是一种面向关系表学习的两阶段框架。第一阶段通过轻量级预训练得到表的初始嵌入；第二阶段采用非参数消息传递生成元路径特征，并由注意力模块 MetaAttn 聚合。通过把深层消息传递的计算迁移到高效的元路径聚合，模型在保持计算效率的同时捕获丰富的关系语义。实验在 10 个真实数据集、覆盖 24 项任务上进行，结果显示该方法在准确率和运行时间上均优于传统基于深层 GNN/HGNN 的方法。
点评: MetaRTL 在大规模关系数据库场景下实现了性能与效率的良好平衡，值得在实际系统中进一步验证。