文本空间图基础模型：全面基准测试与新见解

鉴于图数据及其在各类领域的广泛应用，构建能够在不同图和任务之间拥有统一 backbone 的图基础模型 (Graph Foundation Model, GFM) 近日引发广泛关注。实现这一目标的主要障碍在于，来自不同领域的图往往具有多样化的节点特征。受多模态模型将不同模态与自然语言对齐的启发，最近出现了利用文本为多样化图提供统一特征空间的文本空间 GFMs。尽管这些文本空间 GFMs 前景广阔，但当前该领域的研究受到两个问题的制约：其一，缺乏统一问题设置下的全面基准测试，阻碍对不同文本空间 GFMs 比较效果和实际价值的清晰认识；其二，缺乏足够的数据集以充分探索方法的潜力并验证其在不同情境下的有效性。为此，我们提供了包括新文本空间数据集和统一问题设置下的全面评估。经验结果提供了新的见解并激发了未来研究方向。我们的代码和数据已公开于 \url{https://github.com/CurryTang/TSGFM}。