graph reasoning | BriefGPT - AI 论文速递

关键词graph reasoning

搜索结果 - 22

GraphEval2000: 在图数据集上评估和改进大型语言模型
大型语言模型在自然语言处理方面取得了显著的成功，但最近的研究发现它们在处理图形结构数据的推理能力方面存在局限。为了填补这一空白，我们引入了 GraphEval2000，这是第一个包含 40 个图形数据结构问题和 2000 个测试用例的综合性
PDF11 days ago
LLM 图推理能否超越模式记忆泛化？
大型语言模型 (LLMs) 在有隐式图结构问题上展现了巨大潜力，最近的研究试图通过专门的指导调整增强 LLMs 的图推理能力。然而，对于 LLMs 是否正在学习可推广的图推理技能或仅仅是在合成训练数据中记忆模式，仍未得到很好的探究。因此，我
PDF11 days ago
ICML带有突触延迟的时间脉冲神经网络用于图形推理
SNNs, when combined with synaptic delay and temporal coding, demonstrate efficient graph reasoning and achieve significa
PDFa month ago
一个子图用于全部：归纳知识图谱补全中有效推理
基于全局和局部锚点表示（GLAR）学习的归纳式知识图补全方法，在开放子图上进行推理，以更高效地评估候选实体，并通过全局和局部锚点学习丰富的独立特征来解决传统方法的问题。实验证明，GLAR 优于现有大多数最先进的方法。
PDF2 months ago
GraphInstruct: 强化大型语言模型的图理解和推理能力
通过提出一个名为 GraphInstruct 的基准测试以及 GraphLM 和 GraphLM + 模型的构建和实验，本文旨在评估和增强大型语言模型在图形理解和推理方面的能力。
PDF4 months ago
ICLRTILP: 在知识图谱上可微分学习时间逻辑规则
我们提出了 TILP，一个可微分的框架，用于学习时态逻辑规则并改善基准方法的性能。
PDF4 months ago
InstructGraph: 通过图形中心的指令调优和偏好对齐，提升大型语言模型
通过指令调整和偏好对齐，InstructGraph 框架赋予大型语言模型（LLMs）图推理和生成能力。该框架中，我们首先提出了结构化格式化语言器来统一所有图数据，并且引入了图指令调整阶段来指导 LLMs 解决图推理和生成任务。最后，我们针对
PDF5 months ago
文本描述中的顺序对大型语言模型的空间感知能力的影响
我们的研究通过彻底研究大型语言模型在图形推理方面的问题，揭示了文本序列对于大型语言模型的空间理解的影响，发现图描述性文本序列显著影响大型语言模型在图形推理中的性能，通过改变图描述性文本序列，我们将大型语言模型的性能从 42.22％提高到 7
PDF5 months ago
探索大型语言模型中图推理的局限性
预训练大型语言模型通过仅基于语言的提示已经展示出各种类型的推理能力。然而，在本文中，我们通过图形推理问题测试了 5 种不同的 LLMs（GPT-4、GPT-3.5、Claude-2、Llama-2 和 Palm-2）的图形推理深度。我们设计
PDF5 months ago
PipeNet：基于语义修剪的知识图谱问答
通过引入显式的知识图谱可以改善问答系统，本研究提出了一种基于实体节点定位、剪枝和推理的流程以提高图推理的效率，并采用图注意力网络进行子图数据的推理。在 CommonsenseQA 和 OpenBookQA 上的实验结果证明了方法的有效性。
PDF5 months ago
GraphLLM：提升大型语言模型的图推理能力
通过将图学习模型与大型语言模型（LLMs）有机地融合，我们介绍了 GraphLLM，一种能够使 LLMs 能够熟练解释和推理图数据的先导性端到端方法，经过多个基础图推理任务的实证评估，结果展示了平均准确率提高 54.44％以及各种图推理任务
PDF9 months ago
知识图谱推理的弱监督语义分割
这篇论文介绍了一种基于图推理的方法来提高弱监督语义分割技术，该方法同时增强了多标签分类和分割网络阶段，并融合了外部知识和图卷积网络来全局推理跨类别依赖关系，以改善生成伪标签的完整性，并应用图推理映射模块加强高级语义的特征表示，动态学习个别样
PDF9 months ago
一个实体图学习系统用于用户定向服务兴趣推荐
本文提出了一种实体图学习（EGL）系统，采用混合的在线 - 离线架构，通过离线重视实体图构建和用户实体偏好学习，以及在线实时用户定向能力，解决冷启动问题，实现用户定向，实验表明提出的 EGL 系统具有优异的性能。
PDFa year ago
语言模型是否能够用自然语言解决图问题？
NLGraph is a benchmark for large language models to solve graph-based problems in natural language, where two instructio
PDFa year ago
Graph-ToolFormer：通过 ChatGPT 增强 Prompt 为 LLMs 赋予图推理能力
本文旨在通过图形推理方法对大型语言模型进行增强，以使其能够完成复杂的图形学习任务，包括基本的图形数据推理和更高级的实际应用推理，我们提出了一个名为 Graph-ToolFormer 的框架，并在各种图形推理数据集和任务上进行了初步的实验研究
PDFa year ago
TransfQMix: 利用多智能体强化学习问题的图形结构的 Transformer
本文提出了 TransfQMix，一种用于多智能体强化学习（MARL）中更好地学习协作策略的新方法，将协作问题表示为潜在图结构的顶点特征，使用 transformer 代理进行图推理。文章介绍了该方法的设计，性能以及在 Spread 和 S
PDFa year ago
IJCAI平面几何图形解析
本文提出了一种基于深度学习和图推理的强大图解析器，通过修改实例分割方法提取几何基元，借助图神经网络（GNN）实现几何关系分析和基元分类，并结合几何特征和先验知识将所有模块集成到名为 PGDPNet 的端到端模型中，该模型实现了所有子任务的高
PDF2 years ago
基于空间双模态图推理的关键信息提取
本文提出了一种旨在从文档图片中提取关键信息的端到端空间双模图形推理方法，将文档图像建模为双模图，节点编码检测到的文本区域的视觉和文本特征，边表示相邻文本区域的空间关系，并通过沿图边传播消息和推理图节点的类别来解决关键信息提取问题；进一步提供
PDF3 years ago
图解学：通过图推理和转换实现通用图像分析
该研究提出了一种名为 “图解学” 的图推理和迁移学习框架，通过将人类知识和标签分类法纳入中间图表示学习，从多个领域的全局和结构化语义一致性中学习全局和结构化语义一致性，解决了创建通用图像解析模型的挑战。该框架包括两个迭代模块：图内推理和图间
PDF3 years ago
CVPR自我学习修正策略在人体解析中的应用
本文提出了一种可训练的图推理方法，用于解决解析人体时的样本缺乏问题，并且在 LIP 和 ATR 数据集上得到了显著提高。
PDF4 years ago