深度分析 圖形基礎模型（GFM）在節點屬性預測的公平評估：PFN 方案領先但成本較高 隨著圖形資料在各產業的廣泛應用，研究針對 9 種最新圖形基礎模型在節點屬性預測上的表現進行公平重評，比較了 PFN 方案與傳統 GNN，結果顯示只有 PFN 模型在預測精度上超越調校完善的 GNN，卻伴隨較高的推論成本。此評估使用 GraphLand 基準，涵蓋金融、社群與交通等實務圖形，證實 PFN 在精度上仍領先。
