English(EN) GILT: An LLM-Free, Tuning-Free Graph Foundational Model for In-Context Learning

GILT模型提供无LLM、无微调的图学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-25 04:00

研究人员推出GILT，这是一种新颖的图基础模型，旨在克服处理异构图数据的局限性。与依赖大型语言模型或需要大量每图微调的现有模型不同，GILT在没有LLM的情况下运行，并从上下文中动态适应新任务。这种无需微调的方法使GILT能够处理通用数值特征，并比现有方法更有效地实现强大的少样本性能。 AI

影响引入了一种更有效的图学习方法，有可能在不依赖LLM的情况下提高异构图数据的性能。

排序理由发表了一篇介绍新模型和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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]

arXiv cs.AI TIER_1 English(EN) · Weishuo Ma, Yanbo Wang, Xiyuan Wang, Lei Zou, Muhan Zhang · 2026-05-25 04:00

GILT: An LLM-Free, Tuning-Free Graph Foundational Model for In-Context Learning

arXiv:2510.04567v2 Announce Type: replace-cross Abstract: Graph Neural Networks (GNNs) are powerful tools for processing relational data but often struggle to generalize to unseen graphs, giving rise to the development of Graph Foundational Models (GFMs). However, current GFMs ar…