本文提出了GiGaMAE图掩蔽自编码器框架，旨在提升图数据的推理能力。该模型通过重构图的拓扑和属性信息，有效捕捉综合知识，并引入基于互信息的重构损失。实验结果表明，GiGaMAE在多个基准测试中表现优于现有模型。

本文介绍了GiGaMAE，一种新型图掩蔽自编码器框架，通过协同重构信息化和综合的潜在嵌入，解决了图数据上推理能力不强的问题。实验结果表明，GiGaMAE在多个基准测试中优于现有基线模型。