محققان در مقاله جدیدی از روشی به نام Node4All رونمایی کردهاند که یادگیری بازنمایی گره (Node Representation) را متحول میکند. برخلاف روشهای سنتی که برای هر مجموعه داده نیاز به آموزش مجدد و تنظیم پارامترهای خاص دارند، این مدل میتواند بدون نیاز به بهینهسازیهای اختصاصی، روی انواع دادههای گراف به خوبی عمل کند.
ویژگیهای کلیدی این دستاورد:
🔹 معماری Channel Graph Transformer (CGT): برای پردازش یکپارچه انواع گرافها.
🔹 یادگیری خودنظارتی (Self-supervised) بر پایه گرافهای مصنوعی.
🔹 عملکرد خیرهکننده: این مدل با وجود آموزش یکسان برای همه مجموعهها، توانسته در رتبهبندیهای جهانی پابهپای مدلهای تخصصی رقابت کند و در یادگیری in-context هم پیشرو باشد.
این یعنی گامی بلند به سوی مدلهای بنیادین برای دادههای ساختاریافته و گرافها! 🌐
منبع: arXiv Machine Learning