PulseAugur
实时 16:10:47
English(EN) Billion-Scale Graph Foundation Models

GraphBFF框架支持构建百亿参数的图基础模型

研究人员开发了Graph Billion-Foundation-Fusion (GraphBFF)框架,用于创建专为大规模、异构图设计的百亿参数图基础模型 (GFMs)。GraphBFF Transformer架构实现了实用的GFMs,该框架包含数据批处理、预训练和微调的方法。在百亿规模的真实图上的评估表明,GraphBFF在十个不同的下游任务中,即使在少样本场景下,也始终优于现有方法。 AI

影响 引入了一个可扩展的框架,用于构建大规模图基础模型,有望推动图结构数据在AI应用中的发展。

排序理由 该集群包含一篇学术论文,详细介绍了图基础模型的新框架和模型架构。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Maya Bechler-Speicher, Yoel Gottlieb, Andrey Isakov, David Abensur, Ami Tavory, Daniel Haimovich, Ido Guy, Udi Weinsberg ·

    Billion-Scale Graph Foundation Models

    arXiv:2602.04768v2 Announce Type: replace Abstract: Graph-structured data underpins many critical applications. While foundation models have transformed language and vision via large-scale pretraining and lightweight adaptation, extending this paradigm to general, real-world grap…