本文介绍了一种名为LaGraph的自我监督学习框架，基于潜在图预测，提升了未观察图的预测能力。通过多尺度拓扑信息，解决了图神经网络中的邻近偏见问题，并在多个数据集上验证了其性能提升。同时，综述了自我监督学习在图数据中的应用，提出了统一框架并分类方法，讨论了未来研究方向。