Buchumschlag

GRAVER: Generative Graph Vocabularies for Robust Graph Foundation Models Fine-tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yuan, Haonan, Sun, Qingyun, Shi, Junhua, Fu, Xingcheng, Hooi, Bryan, Li, Jianxin, Yu, Philip S.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SA$^{2}$GFM: Enhancing Robust Graph Foundation Models with Structure-Aware Semantic Augmentation
von: Shi, Junhua, et al.
Veröffentlicht: (2025)

Decoupled and Divergence-Conditioned Prompt for Multi-domain Dynamic Graph Foundation Models
von: Yuan, Haonan, et al.
Veröffentlicht: (2026)

RAG-GFM: Overcoming In-Memory Bottlenecks in Graph Foundation Models via Retrieval-Augmented Generation
von: Yuan, Haonan, et al.
Veröffentlicht: (2026)

Robust Graph Learning Against Adversarial Evasion Attacks via Prior-Free Diffusion-Based Structure Purification
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)

Dynamic Graph Information Bottleneck
von: Yuan, Haonan, et al.
Veröffentlicht: (2024)

Evolving Graph Learning for Out-of-Distribution Generalization in Non-stationary Environments
von: Sun, Qingyun, et al.
Veröffentlicht: (2025)

Robust Graph Condensation via Classification Complexity Mitigation
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)

Discrete Curvature Graph Information Bottleneck
von: Fu, Xingcheng, et al.
Veröffentlicht: (2024)

DG-Mamba: Robust and Efficient Dynamic Graph Structure Learning with Selective State Space Models
von: Yuan, Haonan, et al.
Veröffentlicht: (2024)

Privacy Auditing of Multi-domain Graph Pre-trained Model under Membership Inference Attacks
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)

GraphKeeper: Graph Domain-Incremental Learning via Knowledge Disentanglement and Preservation
von: Guo, Zihao, et al.
Veröffentlicht: (2025)

Is Fixing Schema Graphs Necessary? Full-Resolution Graph Structure Learning for Relational Deep Learning
von: Huang, Yi, et al.
Veröffentlicht: (2026)

Is the Information Bottleneck Robust Enough? Towards Label-Noise Resistant Information Bottleneck Learning
von: Huang, Yi, et al.
Veröffentlicht: (2025)

Toward a Unified Geometry Understanding: Riemannian Diffusion Framework for Graph Generation and Prediction
von: Gao, Yisen, et al.
Veröffentlicht: (2025)

GraphMoRE: Mitigating Topological Heterogeneity via Mixture of Riemannian Experts
von: Guo, Zihao, et al.
Veröffentlicht: (2024)

Hyperbolic Geometric Latent Diffusion Model for Graph Generation
von: Fu, Xingcheng, et al.
Veröffentlicht: (2024)

Retrieving Minimal and Sufficient Reasoning Subgraphs with Graph Foundation Models for Path-aware GraphRAG
von: Yuan, Haonan, et al.
Veröffentlicht: (2026)

Zero-shot Generalizable Graph Anomaly Detection with Mixture of Riemannian Experts
von: Zhao, Xinyu, et al.
Veröffentlicht: (2026)

Graph Size-imbalanced Learning with Energy-guided Structural Smoothing
von: Qin, Jiawen, et al.
Veröffentlicht: (2024)

IGL-Bench: Establishing the Comprehensive Benchmark for Imbalanced Graph Learning
von: Qin, Jiawen, et al.
Veröffentlicht: (2024)

Poincaré Differential Privacy for Hierarchy-Aware Graph Embedding
von: Wei, Yuecen, et al.
Veröffentlicht: (2023)

GC-Bench: An Open and Unified Benchmark for Graph Condensation
von: Sun, Qingyun, et al.
Veröffentlicht: (2024)

UniGraph: Learning a Unified Cross-Domain Foundation Model for Text-Attributed Graphs
von: He, Yufei, et al.
Veröffentlicht: (2024)

Towards Effective, Stealthy, and Persistent Backdoor Attacks Targeting Graph Foundation Models
von: Luo, Jiayi, et al.
Veröffentlicht: (2025)

Prompt-based Unifying Inference Attack on Graph Neural Networks
von: Wei, Yuecen, et al.
Veröffentlicht: (2024)

DyG-RAG: Dynamic Graph Retrieval-Augmented Generation with Event-Centric Reasoning
von: Sun, Qingyun, et al.
Veröffentlicht: (2025)

Riemannian Geometry Speaks Louder Than Words: From Graph Foundation Model to Next-Generation Graph Intelligence
von: Yu, Philip S., et al.
Veröffentlicht: (2026)

RGL: A Graph-Centric, Modular Framework for Efficient Retrieval-Augmented Generation on Graphs
von: Li, Yuan, et al.
Veröffentlicht: (2025)

Bi-Directional Multi-Scale Graph Dataset Condensation via Information Bottleneck
von: Fu, Xingcheng, et al.
Veröffentlicht: (2024)

UniGraph2: Learning a Unified Embedding Space to Bind Multimodal Graphs
von: He, Yufei, et al.
Veröffentlicht: (2025)

An Out-Of-Distribution Membership Inference Attack Approach for Cross-Domain Graph Attacks
von: Wang, Jinyan, et al.
Veröffentlicht: (2025)

Graph Foundation Models: Concepts, Opportunities and Challenges
von: Liu, Jiawei, et al.
Veröffentlicht: (2023)

NTSFormer: A Self-Teaching Graph Transformer for Multimodal Isolated Cold-Start Node Classification
von: Hu, Jun, et al.
Veröffentlicht: (2025)

Navigating the Designs of Privacy-Preserving Fine-tuning for Large Language Models
von: Shi, Haonan, et al.
Veröffentlicht: (2025)

Efficient Heterogeneous Graph Learning via Random Projection
von: Hu, Jun, et al.
Veröffentlicht: (2023)

Multi-Domain Riemannian Graph Gluing for Building Graph Foundation Models
von: Sun, Li, et al.
Veröffentlicht: (2026)

DGP: A Dual-Granularity Prompting Framework for Fraud Detection with Graph-Enhanced LLMs
von: Li, Yuan, et al.
Veröffentlicht: (2025)

Deeper with Riemannian Geometry: Overcoming Oversmoothing and Oversquashing for Graph Foundation Models
von: Sun, Li, et al.
Veröffentlicht: (2025)

LLM as GNN: Graph Vocabulary Learning for Text-Attributed Graph Foundation Models
von: Zhu, Xi, et al.
Veröffentlicht: (2025)

Open-Vocabulary Calibration for Fine-tuned CLIP
von: Wang, Shuoyuan, et al.
Veröffentlicht: (2024)