实体
G2T-FM
G2T-FM
PulseAugur coverage of G2T-FM — every cluster mentioning G2T-FM across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
LoGIC 方法优化表格基础模型的图上下文学习
研究人员开发了 LoGIC，一种使用表格基础模型优化节点级图上下文学习（ICL）中上下文构建的新颖方法。LoGIC 通过智能选择用于提示的标记和未标记节点，解决了使用完整训练表相关的二次扩展和内存瓶颈问题。该系统通过结构、基于特征和覆盖通道检索标记节点，并为适配器消息传递引入了未标记光环。在 GraphLand 数据集上的实验表明，LoGIC 在保持与全上下文方法相当的性能的同时，显著降低了内存需求，从而无需重新训练即可在百万节点图上…
-
GraphPFN：新的基础模型应对图机器学习挑战
研究人员推出了 GraphPFN，这是一种新颖的图基础模型，旨在解决基于图的机器学习任务中的可迁移性和数据稀缺性挑战。受 TabPFN 等表格基础模型成功的启发，GraphPFN 利用了先验数据拟合网络框架。该模型在大量合成图上进行了预训练，这些合成图使用随机块模型和优先依附过程的组合来生成结构，并使用图感知结构因果模型来生成属性。这种方法使 GraphPFN 能够在真实图数据集的上下文学习和微调场景中取得最先进的成果，其表现优于现有…