DyGFM: Un Modello Fondamentale per Grafi Dinamici Multi-Dominio tramite Prompt Disaccoppiati
I ricercatori hanno proposto DyGFM, il primo Modello Fondamentale per Grafi Dinamici (GFM) progettato per operare su più domini. I grafi dinamici, che modellano relazioni in evoluzione in sistemi come reti sociali o transazioni finanziarie, soffrono tipicamente di pattern semantici e temporali incoerenti tra domini, portando a un trasferimento negativo di conoscenza nel paradigma standard di pre-addestramento e successivo fine-tuning. DyGFM affronta questo problema con una strategia di pre-addestramento a due rami che disaccoppia la semantica trasferibile dalle dinamiche specifiche del dominio, e un meccanismo di prompting condizionato dalla divergenza cross-dominio per mitigare il trasferimento negativo durante l'adattamento. Il lavoro è descritto in un preprint su arXiv (2605.13540) e rappresenta un passo verso l'apprendimento generalizzabile di grafi dinamici.
Fatti principali
- DyGFM è un Modello Fondamentale per Grafi Dinamici per più domini.
- Utilizza una strategia di pre-addestramento a due rami con disaccoppiamento semantico-temporale.
- Un meccanismo di prompting condizionato dalla divergenza cross-dominio allevia il trasferimento negativo.
- Il modello affronta le sfide dei pattern semantici e temporali incoerenti tra domini.
- Il lavoro è pubblicato come preprint su arXiv con ID 2605.13540.
- Afferma di essere il primo GFM dinamico multi-dominio.
- Il paradigma di pre-addestramento e successivo fine-tuning soffre spesso di trasferimento negativo di conoscenza.
- I grafi dinamici sono onnipresenti nei sistemi del mondo reale.
Entità
Istituzioni
- arXiv