في عالم الذكاء الاصطناعي الحديث، أصبح نموذج المؤسسات الرسومية (Graph Foundation Models) بديلاً واعداً لنقل المعرفة عبر مجالات ووظائف الرسوم البيانية. ولكن، ما هو الجديد في نموذج CHARM؟

نظراً لتنوع المعلومات التي تحتويها الرسوم البيانية - من نصوص وصور وغيرها من الأنماط - أصبحت الرسوم البيانية متعددة الأبعاد ضرورية لتمثيل الكيانات والعلاقات المعقدة.

تقليدياً، تتطلب النماذج القائمة على الشبكات العصبية البيانية (GNN) تكييف خاص مع كل مجال جديد، مما يجعل عملية جمع العلامات والتكيف مع كل مجال مُكلفة وكان الأمر غير ممكن في كثير من الحالات، مما يحفز الحاجة إلى النقل خالي الفترات (Zero-Shot Transfer). لكن، النقل خالي الفترات عبر الرسوم البيانية متعددة الأبعاد ظل غير مُستكشف بشكل كافٍ.

تقدم CHARM حلاً مبتكراً، حيث لا يقتصر على النماذج التقليدية التي تتعامل مع البيئات أحادية النمط، بل يقدم سياقات رسومية هرمية تستطيع احتواء المعاني متعددة الأبعاد والعلاقات المُتقاطعة.

يعمل نموذج CHARM على استبدال العقد الخام المعزولة بسياقات رسومية هرمية تعكس المعاني متعددة الأبعاد وتقِّلل من الاعتماد على التوجيه أو التكيف مع النطاق المستهدف. باستخدام مُشفِّر سياق رسومي واعٍ للنمط، يدمج النموذج المعلومات متعددة الأبعاد مع هيكل الرسوم البيانية ويتحول إلى رموز رسومية للنماذج اللغوية الكبيرة (Large Language Models).

تجارب النموذج تظهر تحسينات متكررة في المهام الرسومية متعددة الأبعاد خالية الفترات، مما يمهد الطريق للابتكارات المستقبلية في هذا المجال.