本研究提出结合锐度感知最小化（SAM）和快速图形锐度感知最小化（FGSAM）算法，以提升图神经网络在少样本节点分类（FSNC）中的性能，显著增强模型的泛化能力和分类效果。

本文综述大语言模型与图模型结合学习文本属性图的研究，涵盖LLM作为增强器或预测器、知识蒸馏、图拓扑优化、少样本节点分类及可解释性等方向，旨在兼顾性能、效率与隐私。