港大新型图基础模型AnyGraph：挑战Scaling Law，精准建模多样化结构模式和特征空间

主要观点总结

AnyGraph团队提出了一种基于图混合专家（MoE）架构的新型图模型AnyGraph，旨在实现图模型的跨场景泛化。通过MoE架构、路由算法、SVD方法和MLP网络等，AnyGraph解决了跨域和域内图异构性问题，并进行了高效跨域模型训练。它在不同领域数据集上进行了实验验证，表现出色。

关键观点总结

关键观点1: 新型图模型AnyGraph的引入

AnyGraph是基于图混合专家（MoE）架构的图模型，旨在实现图模型的跨场景泛化。

关键观点2: AnyGraph的关键技术

AnyGraph通过MoE架构、路由算法、SVD方法和MLP网络等技术手段解决了跨域和域内图异构性问题，并进行了高效跨域模型训练。

关键观点3: AnyGraph的实验验证

AnyGraph在38个来自不同应用领域的图数据集上进行了实验验证，包括链路预测和节点分类等，表现出色。

关键观点4: AnyGraph的效果评估

AnyGraph的零样本预测能力、扩展定律、消融实验和效率等方面都进行了详细的效果评估，表现出其优秀的性能和效率。