ICML 2024: LLaGA-解决图数据向LLM可理解格式转换的挑战，同时保持了LLM的通用性

文章预览

大家好，今天为大家介绍ICML 2024一篇关于大模型LLM的研究论文《LLaGA: Large Language and Graph Assistant》。这篇论文提出了一个框架，将大模型(LLM)的能力与图结构数据处理相结合。 该工作解决了图数据向LLM可理解格式转换的挑战，同时保持了LLM的通用性 。 1. 基本信息 论文题目：LLaGA: Large Language and Graph Assistant 作者：Runjin Chen, Tong Zhao, Ajay Jaiswal, Neil Shah, Zhangyang Wang 作者研究单位： The University of Texas at Austin Snap Inc. 代码链接：https://github.com/VITA-Group/LLaGA 2. 研究背景 图神经网络(GNNs)在图结构数据分析方面取得了显著进展。但是，将LLMs直接应用于图数据面临着独特的挑战，主要是由于将图结构转化为语言形式存在固有困难。 现有研究试图将图结构转化为适合LLMs处理的自然语言，但这种方法往往冗长且无法直接表示图的内在特征。InstructGLM通过特定任务的微 ………………………………