图基础模型在节点属性预测上的公平评估

A Fair Evaluation of Graph Foundation Models for Node Property Prediction

精选理由

这篇论文帮你打破了GNN和GFM的迷雾:实测9个模型,发现只有Prior-data Fitted Networks那类才真能打,但代价是推理更慢。想搞清楚哪些图模型值得用就看它。

AI 摘要

该研究对9种最新的图基础模型(GFM)在节点属性预测任务上进行了重新评估,并与强基线图神经网络(GNN)比较。只有基于Prior-data Fitted Networks范式的最新型GFM在预测性能上超越调优后的GNN,但推理成本更高。不同论文因评测设置差异导致结果难以直接对比,本研究提供了统一的公平比较框架。

AI 翻译 · 中文

该研究对9种最新的图基础模型(GFM)在节点属性预测任务上进行了重新评估,并与强基线图神经网络(GNN)比较。只有基于Prior-data Fitted Networks范式的最新型GFM在预测性能上超越调优后的GNN,但推理成本更高。不同论文因评测设置差异导致结果难以直接对比,本研究提供了统一的公平比较框架。

arXiv cs.LGDue to the wide use of graph-structured data in different fields of industry and science, the development of Graph Foundation Models (GFMs) has recently attracted a lot of attention. While many different types of models