ICML 2026 — почти все.
На воркшопах начинают объявлять лучшие статьи, и одна из наград — Best Paper Award — досталась работе GraphPFN: A Prior-Data Fitted Graph Foundation Model команды исследователей графовых нейронных сетей Yandex Research. Статья победила на воркшопе Graph Foundation Models: A New Era for Graph Machine Learning.
Сам воркшоп был посвящен развитию graph foundation models — переходу от узкоспециализированных моделей для отдельных задач к универсальным базовым моделям для работы с графами.
В своей работе исследователи представили GraphPFN — графовую foundation model, развивающую подход Prior-Data Fitted Networks (PFN). Модель предобучается на миллионах специально сгенерированных синтетических графов, а затем применяется к реальным данным как в режиме in-context learning, так и после дообучения. В экспериментах на широком наборе реальных графовых датасетов GraphPFN показала лучшие результаты среди протестированных в работе подходов.
На воркшопах начинают объявлять лучшие статьи, и одна из наград — Best Paper Award — досталась работе GraphPFN: A Prior-Data Fitted Graph Foundation Model команды исследователей графовых нейронных сетей Yandex Research. Статья победила на воркшопе Graph Foundation Models: A New Era for Graph Machine Learning.
Сам воркшоп был посвящен развитию graph foundation models — переходу от узкоспециализированных моделей для отдельных задач к универсальным базовым моделям для работы с графами.
В своей работе исследователи представили GraphPFN — графовую foundation model, развивающую подход Prior-Data Fitted Networks (PFN). Модель предобучается на миллионах специально сгенерированных синтетических графов, а затем применяется к реальным данным как в режиме in-context learning, так и после дообучения. В экспериментах на широком наборе реальных графовых датасетов GraphPFN показала лучшие результаты среди протестированных в работе подходов.