Buchumschlag

GILT: An LLM-Free, Tuning-Free Graph Foundational Model for In-Context Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Weishuo, Wang, Yanbo, Wang, Xiyuan, Zou, Lei, Zhang, Muhan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reconsidering the Performance of GAE in Link Prediction
von: Ma, Weishuo, et al.
Veröffentlicht: (2024)

Griffin: Towards a Graph-Centric Relational Database Foundation Model
von: Wang, Yanbo, et al.
Veröffentlicht: (2025)

Efficient Neural Common Neighbor for Temporal Graph Link Prediction
von: Zhang, Xiaohui, et al.
Veröffentlicht: (2024)

An Empirical Study of Realized GNN Expressiveness
von: Wang, Yanbo, et al.
Veröffentlicht: (2023)

Relational In-Context Learning via Synthetic Pre-training with Structural Prior
von: Wang, Yanbo, et al.
Veröffentlicht: (2026)

On the Completeness of Invariant Geometric Deep Learning Models
von: Li, Zian, et al.
Veröffentlicht: (2024)

Meta Pruning via Graph Metanetworks : A Universal Meta Learning Framework for Network Pruning
von: Liu, Yewei, et al.
Veröffentlicht: (2025)

OCN: Effectively Utilizing Higher-Order Common Neighbors for Better Link Prediction
von: Wang, Juntong, et al.
Veröffentlicht: (2025)

Is Distance Matrix Enough for Geometric Deep Learning?
von: Li, Zian, et al.
Veröffentlicht: (2023)

TabDLM: Free-Form Tabular Data Generation via Joint Numerical-Language Diffusion
von: Cai, Donghong, et al.
Veröffentlicht: (2026)

Foundations and Frontiers of Graph Learning Theory
von: Huang, Yu, et al.
Veröffentlicht: (2024)

Neural Common Neighbor with Completion for Link Prediction
von: Wang, Xiyuan, et al.
Veröffentlicht: (2023)

Model-Free Robust Reinforcement Learning with Sample Complexity Analysis
von: Wang, Yudan, et al.
Veröffentlicht: (2024)

Geometric Representation Condition Improves Equivariant Molecule Generation
von: Li, Zian, et al.
Veröffentlicht: (2024)

Position: How can Graphs Help Large Language Models?
von: Wang, Xiyuan, et al.
Veröffentlicht: (2026)

GL-Fusion: Rethinking the Combination of Graph Neural Network and Large Language model
von: Yang, Haotong, et al.
Veröffentlicht: (2024)

GREPO: A Benchmark for Graph Neural Networks on Repository-Level Bug Localization
von: Wang, Juntong, et al.
Veröffentlicht: (2026)

A Survey on Parameter-Efficient Fine-Tuning for Foundation Models in Federated Learning
von: Bian, Jieming, et al.
Veröffentlicht: (2025)

Data-Free Continual Learning of Server Models in Model-Heterogeneous Cloud-Device Collaboration
von: Zhang, Xiao, et al.
Veröffentlicht: (2025)

Using Random Noise Equivariantly to Boost Graph Neural Networks Universally
von: Wang, Xiyuan, et al.
Veröffentlicht: (2025)

PiSSA: Principal Singular Values and Singular Vectors Adaptation of Large Language Models
von: Meng, Fanxu, et al.
Veröffentlicht: (2024)

Integrating Hyperparameter Search into Model-Free AutoML with Context-Free Grammars
von: Vázquez, Hernán Ceferino, et al.
Veröffentlicht: (2024)

MISA: Mixture of Indexer Sparse Attention for Long-Context LLM Inference
von: Zhou, Ruijie, et al.
Veröffentlicht: (2026)

No Free Lunch: Rethinking Internal Feedback for LLM Reasoning
von: Zhang, Yanzhi, et al.
Veröffentlicht: (2025)

CLOVER: Cross-Layer Orthogonal Vectors Pruning and Fine-Tuning
von: Meng, Fanxu, et al.
Veröffentlicht: (2024)

Time-Series Contrastive Learning against False Negatives and Class Imbalance
von: Jin, Xiyuan, et al.
Veröffentlicht: (2023)

Axial Neural Networks for Dimension-Free Foundation Models
von: Kim, Hyunsu, et al.
Veröffentlicht: (2025)

Towards Comprehensive and Prerequisite-Free Explainer for Graph Neural Networks
von: Zhang, Han, et al.
Veröffentlicht: (2025)

InfLLM: Training-Free Long-Context Extrapolation for LLMs with an Efficient Context Memory
von: Xiao, Chaojun, et al.
Veröffentlicht: (2024)

SPGNN: Recognizing Salient Subgraph Patterns via Enhanced Graph Convolution and Pooling
von: Dong, Zehao, et al.
Veröffentlicht: (2024)

ScheduleFree+: Scaling Learning-Rate-Free & Schedule-Free Learning to Large Language Models
von: Defazio, Aaron
Veröffentlicht: (2026)

Universal Prompt Tuning for Graph Neural Networks
von: Fang, Taoran, et al.
Veröffentlicht: (2022)

FedPFT: Federated Proxy Fine-Tuning of Foundation Models
von: Peng, Zhaopeng, et al.
Veröffentlicht: (2024)

In-Context Fine-Tuning for Time-Series Foundation Models
von: Das, Abhimanyu, et al.
Veröffentlicht: (2024)

ICL-Router: In-Context Learned Model Representations for LLM Routing
von: Wang, Chenxu, et al.
Veröffentlicht: (2025)

SAL: Selective Adaptive Learning for Backpropagation-Free Training with Sparsification
von: Liu, Fanping, et al.
Veröffentlicht: (2026)

A Model Can Help Itself: Reward-Free Self-Training for LLM Reasoning
von: Li, Mengqi, et al.
Veröffentlicht: (2025)

ICAD-LLM: One-for-All Anomaly Detection via In-Context Learning with Large Language Models
von: Wu, Zhongyuan, et al.
Veröffentlicht: (2025)

TFG: Unified Training-Free Guidance for Diffusion Models
von: Ye, Haotian, et al.
Veröffentlicht: (2024)

AL-GNN: Privacy-Preserving and Replay-Free Continual Graph Learning via Analytic Learning
von: Zhang, Xuling, et al.
Veröffentlicht: (2025)