本文介绍了一种通用的图基础模型（GFM），通过理解图数据中的复杂拓扑模式，实现零样本图学习。提出了“图词汇表”概念，以应对跨结构模式的挑战。研究了无监督图结构学习（GSL）和自我监督预训练任务，提出UniGraph框架，结合图神经网络和大型语言模型，提升模型在未见图上的泛化能力。实验结果表明，该模型在多种图学习任务中表现优异。

图基础模型（GFM）是图领域的新兴研究，旨在概括不同图和任务。文章综述了GFM的关键特征、技术及潜在研究方向，结合异构图神经网络和大型语言模型实现个性化推荐，并探讨自我监督预训练任务及其在零样本图学习中的应用。