深度分析 Mochi：以帶偏置 ridge 讀出和元學習將少樣本推論納入圖形基礎模型預訓練 針對圖形基礎模型（GFM）普遍以連結預測或重建為預訓練目標、與下游少樣本任務不一致的問題，研究提出Mochi：一套將少樣本情境納入預訓練的元學習框架。每一訓練情境以節點/邊/整圖層級抽樣，於支援集上解析求解帶偏置的閉式ridge讀出，並將查詢損失的梯度反傳至編碼器，促使表示空間為線性可分而非僅反映連結幾何。
