arXiv 2026年10月5日该工作提出 GraphBind，一种以图拓扑为驱动、把多模态信息绑定进统一共享空间的多模态图基础模型方法，用拓扑组织自身语义与可靠邻域语义，并通过轻量接口适配判别式与生成式任务，在针对 11 个代表性基线的实验中于两类任务上均取得领先表现，相对最强基线最高提升 28.1%。该工作提出 GraphBind，一种以图拓扑为驱动、把多模态信息绑定进统一共享空间的多模态图基础模型方法，用拓扑组织自身语义与可靠邻域语义，并通过轻量接口适配判别式与生成式任务，在针对 11 个代表性基线的实验中于两类任务上均取得领先表现，相对最强基线最高提升 28.1%。GraphBind 用图拓扑绑定多模态语义，在 11 个基线上取得最高 28.1% 的相对提升该工作提出 GraphBind，一种以图拓扑为驱动、把多模态信息绑定进统一共享空间的多模态图基础模型方法，用拓扑组织自身语义与可靠邻域语义，并通过轻量接口适配判别式与生成式任务，在针对 11 个代表性基线的实验中于两类任务上均取得领先表现，相对最强基线最高提升 28.1%。该工作提出 GraphBind，一种以图拓扑为驱动、把多模态信息绑定进统一共享空间的多模态图基础模型方法，用拓扑组织自身语义与可靠邻域语义，并通过轻量接口适配判别式与生成式任务，在针对 11 个代表性基线的实验中于两类任务上均取得领先表现，相对最强基线最高提升 28.1%。