AgentGFM：具有节点代理信息流控制的图基础模型

图基础模型（GFM）旨在从多领域图学习可转移的知识并适应未见过的场景。作为图中关系语义的基本来源，拓扑模式的可迁移性长期以来一直是 GFM 研究的核心。然而，局部结构模式可能在不同的图中甚至在同一图中的节点之间有所不同。尽管存在这种结构变化，大多数现有的 GFM 仍然依赖于手动设计的传播方案，并将其应用于基本上没有变化的新图。这种固定的方案可能不适合不同节点的不同结构模式。这就提出了一个关键问题：每个节点能否自主确定信息应如何通过图传播？我们将这种能力称为信息流控制。受代理技术最新进展的启发，我们将这个问题表述为基于代理的决策，并将每个节点视为一个代理。因此，我们提出了 AgentGFM，其中所有节点代理遵循共享的端到端可训练策略，而不是使用独立的模型。对于自适应信息流控制，每个节点通过预测-行动-观察-正确过程与图交互。在行动阶段，节点做出三个决定：源接收、信号通道选择和增益感知节点停止。将所得观察结果与预测进行比较，并利用它们的差异来纠正节点状态并指导后续交互。跨节点级、图级和大规模传输场景的大量实验证明了 AgentGFM 在不同图拓扑中的有效性。