研究人员引入了一个新的图基础模型（GFM）框架，旨在处理不同系统中的网络动态性。他们的方法通过一个名为ts-net的模型进行了演示，该模型在真实世界的多层网络上展现了零样本泛化能力，无需重新训练。这项工作解决了当前归纳模型的局限性，并概述了该领域未来GFM发展的关键挑战。 AI
影响 使更具泛化能力的AI模型能够分析社交网络或生物系统等复杂网络系统。
排序理由 该集群包含一篇详细介绍图基础模型新模型和框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.08306v1 Announce Type: new Abstract: Network dynamics - including spreading, influence maximisation, and epidemic modelling - remain largely confined to the transductive paradigm, where models are trained on a single network and cannot be reused on unseen graphs withou…
Network dynamics - including spreading, influence maximisation, and epidemic modelling - remain largely confined to the transductive paradigm, where models are trained on a single network and cannot be reused on unseen graphs without retraining. We argue that inductive cross-netw…