NeurIPS 2024 | 让大语言模型使用代码解决图分析推理任务

文章预览

在本文中，研究团队首次提出了通过编程手段提升大型模型在图分析推理任务中的能力。研究过程中，他们使用了主流的开源和闭源模型，并提供了新的基准数据集ProGraph，用于评估模型在复杂图分析推理任务中的表现。此外，他们构建了LLM4Graph数据集，用于开源模型的指令微调。实验结果表明，检索增强生成（RAG）和指令微调等方法能够有效利用工作者构建的数据集，从而提升现有大型模型的性能。 论文标题： Can Large Language Models Analyze Graphs like Professionals? A Benchmark, Datasets and Models  论文链接： https://arxiv.org/abs/2409.19667 代码链接： https://github.com/BUPT-GAMMA/ProGraph 一、背景 与动机图是现实世界中十分常用的数据结构（例如社交网络和推荐系统等），让大语言模型（后文简称大模型）学会处理图的能力，是迈向更高级通用智能的关键一步。近期，许多 ………………………………