文本空间图基础模型：综合基准评测与新见解

基于摘要分析。本文研究如何统一评估面向不同图与任务的文本空间图基础模型（text-space Graph Foundation Models，GFMs），主要贡献是提供新的文本空间图数据集，并在统一问题设置下开展综合基准评测。 原问题是不同领域的图具有差异较大的节点特征，使共享骨干模型难以跨图、跨任务工作。相关方法借鉴多模态模型通过自然语言对齐不同模态的思路，以文本作为不同图的统一特征空间。本文重点是建立评估基础，而非摘要已明确提出一种新的模型架构：作者指出，既有研究缺乏统一问题设置下的综合比较，也缺少足够的数据集来检验不同场景中的有效性。 作者报告，统一评测的实证结果带来了新的认识并启发后续研究方向，但摘要未披露具体结论、数据集名称与规模、任务组成、数据划分、对照方法或指标数值，因此尚不能判断哪些方法在何种条件下更有效。训练与推理机制、实验协议、消融及统计信息尚未验证。作者说明代码与数据已公开，可作为后续核对和复现的入口。 研究对象是通用图数据与文本空间对齐，摘要未涉及 EEG 或 BCI，也未提供神经信号转为文本特征的具体机制，不能据此推断其对跨被试或跨数据集 BCI 的有效性；已有 EEG 相关工作尚未检索确认。