该文章介绍了UniGraph框架，通过使用文本属性图（TAGs）训练图基础模型，实现对未见过的图和任务在不同领域中的泛化能力。该方法采用了级联的语言模型（LMs）和图神经网络（GNNs）构建的骨干网络以及基于掩码图建模（MGM）的自我监督训练目标，并引入大型语言模型（LLMs）进行图指令调优，使模型能够进行零样本预测。实验证明该模型在未见过的图的自我监督表示学习、少样本上下文转移和零样本转移方面有效，甚至超越或匹配了在目标数据集上进行受监督训练的GNNs的性能。