港大新型图基础模型AnyGraph：挑战Scaling Law，精准建模多样化结构模式和特征空间

AIGC动态欢迎阅读

原标题：港大新型图基础模型AnyGraph：挑战Scaling Law，精准建模多样化结构模式和特征空间
关键字：模型,数据,特征,专家,样本
文章来源：量子位
内容字数：0字

内容摘要：

AnyGraph团队投稿量子位 | 公众号 QbitAI新型图基础模型来了——
AnyGraph，基于图混合专家（MoE）架构，专门为实现图模型跨场景泛化而生。
通过MoE架构、路由算法、SVD方法和MLP网络等，AnyGraph解决了跨域和域内图异构性问题，并进行了高效跨域模型训练。
能够精准建模多样化的结构模式和特征空间。
在38个不同领域数据集上进行实验，AnyGraph在零样本预测、扩展定律、消融实验和效率实验等方面均表现出色。
AnyGraph由来自香港大学的研究人员完成。
关于AnyGraph的更多细节我们接着往下看。
AnyGraph长啥样？随着图结构数据在各个领域的日益普及，对具有出色泛化能力的图学习模型的需求愈发迫切。
现实应用中，图学习模型需有效应对分布偏移并适应新的图领域，但当前的先进模型在真正的泛化性能方面往往表现不足，严重依赖繁重的微调过程，难以适应实际应用中多样的图结构和分布。
受成功的基础模型在理解视觉和语言数据方面的启发，通用的图基础模型具有巨大潜力，可从多样的图结构数据中学习可迁移的表示，从而高效适应各种图领域和任务。
然而，构建有效的自适应图基础模

原文链接：港大新型图基础模型AnyGraph：挑战Scaling Law，精准建模多样化结构模式和特征空间