机构名称：
¥ 2.0
摘要 - 发现模型已成为各种人工智能应用中的关键组成部分，并展示了自然语言处理和其他几个领域的取得巨大成功。与此同时，机器学习领域正在见证从浅层方法到更复杂的深度学习方法的范式过渡。基础模型在概括和适应中的功能激励了图机学习研究人员讨论开发新的图形学习范式的潜力。此范式设想了在广泛的图形数据上预先训练的模型，并且可以适用于各种图形任务。尽管有这种兴起的兴趣，但与该新领域有关的明确定义和系统分析显然缺乏。为此，本文介绍了图基础模型（GFM）的概念，并对其关键特征和基本技术提供了详尽的解释。我们将根据图形神经网络和大语言模型的依赖，将与GFM有关的现有工作分为三个不同的类别。除了对GFM的当前状态提供彻底审查外，本文还展现了在这个快速发展的领域中未来研究的潜在途径。
迈向图基础模型：调查和超越
主要关键词
相关文件推荐
