グラフ基盤モデルはアーキテクチャを越えて汎化できるのか？
arXiv cs.LG / 2026/3/25
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- この論文は、現在のグラフ基盤モデル（GFM）がタスク間で真に汎化できないことが多い理由を調べ、そこに固定されたGNNアーキテクチャのバックボーンへの見えない依存があることを指摘している。
- 「真の」GFMにはアーキテクチャの適応性が必要だと主張し、理論と制御された実験を通じて、固定バックボーン方式はタスク固有のアーキテクチャ要件が学習時の条件と異なる場合に性能が低下することを示す。
- 明確なケーススタディとして、「レンジ」（最小限に測定可能なアーキテクチャ軸）の概念を用い、既存のドメイン非依存型GFMがアーキテクチャの変動に対して頑健ではないことを示している。
- これを克服するために、著者らは推論時フレームワークを提案し、タスク固有の線形グラフ演算子を発見して混合することで、再学習なしでゼロショット汎化を改善する。
- 合成の恣意的レンジのタスクおよび複数の実世界ベンチマークでの実験により、既存のドメイン非依存型GFMと比べて、より高い性能と頑健性が得られることが示されている。
広告
