MAGPrompt：面向图神经网络的消息自适应图提示调优
机器学习
2026-02-06 v1
摘要
预训练的图神经网络（GNN）在迁移方面表现良好，但在适应下游任务时仍面临训练目标与任务需求不匹配的挑战。图提示调优作为参数高效的微调替代方案，但大多数方法仅修改输入或表示，未改变消息传递，从而限制了其适应邻域相互作用的能力。我们提出消息自适应图提示调优，注入可学习的提示向量于消息传递步骤中，以重新加权来自邻居的消息，并在消息聚合过程中添加任务特定的提示向量，同时保持主干 GNN 冻结。该方法与常见的 GNN 主干和预训练策略兼容，适用于各种下游设置。在多样化的节点级和图级数据集上实验显示，相较于先前的图提示方法，在少量样本设置下 consistently 获得提升，而在全样本 regime 下实现与微调相当的性能。
引用
@article{arxiv.2602.05567,
title = {MAGPrompt: Message-Adaptive Graph Prompt Tuning for Graph Neural Networks},
author = {Long D. Nguyen and Binh P. Nguyen},
journal= {arXiv preprint arXiv:2602.05567},
year = {2026}
}