NodeGround: A Node Classification Benchmark in the Graph Foundation Model Era
作者: Jinmo Lee, Dooho Lee, Minho Jeong, Jaemin Yoo
分类: cs.LG
发布日期: 2026-09-30
🔗 代码/项目: GITHUB
💡 一句话要点
提出NodeGround基准以评估图基础模型在节点分类中的表现
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 图基础模型 节点分类 预训练模型 监督学习 基准评估 图神经网络 计算效率
📋 核心要点
- 现有方法在不同数据集上需要单独训练和调优，导致效率低下和资源浪费。
- NodeGround基准通过统一评估框架，比较预训练图模型与传统监督学习方法的性能和计算成本。
- 实验结果显示，经过调优的图神经网络整体表现优于预训练模型，特别是在标签丰富的情况下。
📝 摘要（中文）
本研究探讨了预训练图模型是否能够替代为每个数据集训练和调优单独预测器的问题。为此，我们提出了NodeGround，一个节点分类基准，旨在将图基础模型（GFM）与数据集特定的监督学习置于统一的评估框架下。该基准涵盖51个数据集，评估六种GFM和15种监督方法，考虑了标签可用性对结果的影响。通过共享数据分区、仅验证模型选择、控制超参数搜索和多种预测指标，使得比较更加系统化。实验结果表明，经过精心调优的图神经网络表现更佳，而GraphPFN在标签丰富的情况下表现突出，但其相对优势因数据集特性而异。
🔬 方法详解
问题定义：本论文旨在解决预训练图模型是否能够有效替代为每个数据集单独训练和调优预测器的问题。现有方法在不同数据集上需要大量的计算资源和时间，导致效率低下。
核心思路：通过NodeGround基准，论文提出了一种统一的评估框架，能够同时评估图基础模型和数据集特定的监督学习方法，从而比较它们的预测质量和计算成本。
技术框架：该框架涵盖51个数据集，评估六种GFM和15种监督方法，采用共享数据分区、验证模型选择、控制超参数搜索等手段，确保比较的系统性。
关键创新：NodeGround的创新在于其系统化的比较方法，能够在不同标签可用性条件下进行评估，揭示了预训练模型的相对优势和局限性。
关键设计：在实验中，采用了多种预测指标和工作流测量，考虑了适应、训练、调优和推理的各个阶段，确保了评估的全面性和准确性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，经过精心调优的图神经网络在整体性能上优于预训练模型，尤其是在标签丰富的情况下，GraphPFN在Elo评分中排名第三。此外，GVT和GraphPFN在效率比较中表现突出，但在中间调优预算下，GVT的优势被削弱。
🎯 应用场景
该研究的潜在应用领域包括社交网络分析、生物信息学和推荐系统等，能够为不同数据集上的节点分类任务提供有效的评估工具。未来，NodeGround基准可能推动图基础模型的进一步发展和应用，提升节点分类的效率和准确性。
📄 摘要（原文）
Can a pretrained graph model replace training and tuning a separate predictor for each dataset? Answering this requires evaluating prediction quality alongside computational cost. We present NodeGround, a node classification benchmark that puts graph foundation models (GFMs) and dataset-specific supervised learning under a common evaluation framework. The benchmark spans 51 datasets and evaluates six GFMs alongside 15 supervised methods under two label-availability regimes. Shared data partitions, validation-only model selection, controlled hyperparameter searches, and multiple predictive metrics make comparisons systematic, while workflow measurements account for adaptation, training, tuning, and inference. The results favor carefully tuned graph neural networks overall. GraphPFN reaches third place by Elo when more labels are available, yet its relative strengths vary substantially with dataset properties. Efficiency comparisons further qualify the benefits of pretrained reuse: GVT and GraphPFN appear on the Pareto frontiers when supervised methods are represented by their default and fully tuned configurations. Adding intermediate tuning budgets removes this advantage for GVT and leaves GraphPFN extending the estimated frontier in the label-rich setting alone. Thus, reusing pretrained parameters does not yet provide a broadly reliable route to either stronger predictions or cheaper workflows. We release the evaluation pipeline, run-level records, and an open leaderboard at https://github.com/nums-ai/nodeground.