Mochi: Framework di Meta-Apprendimento per Modelli Fondamentali di Grafi

Un team di ricercatori ha introdotto Mochi, un Modello Fondamentale di Grafi che utilizza un framework di addestramento basato su meta-apprendimento volto a migliorare l'unificazione dei compiti e l'efficienza dell'addestramento. A differenza dei modelli precedenti che utilizzano obiettivi basati sulla ricostruzione come la previsione dei collegamenti e richiedono una fase di unificazione separata con prototipi di classe, Mochi si concentra su episodi few-shot che replicano il processo di valutazione downstream durante il pre-addestramento. Questo approccio allinea gli obiettivi di addestramento con l'inferenza, eliminando così la necessità di un'unificazione post-hoc. I test condotti su dataset sia sintetici che reali rivelano limitazioni nei metodi tradizionali che ostacolano le prestazioni downstream. Mochi, insieme alla sua variante avanzata Mochi++, dimostra risultati competitivi o addirittura superiori rispetto ai Modelli Fondamentali di Grafi esistenti su 25 dataset reali.