#图基础模型

这篇论文提出了CHARM，用分层上下文建模多模态图，不需要目标域微调就能零样本迁移，比现有GNN和LLM方法更通用。

不用为每个图数据集调参了，Node4All一个模型跑25个基准排名第5，还支持one-shot学习。

这篇论文提出了FedLAB，用可追溯码本处理联邦多模态图学习的隐私问题，10个基准上最多提升了7.53%，很扎实的研究。

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。