本文是LLM系列文章,针对《GraphInstruct: Empowering Large Language Models with Graph Understanding and Reasoning Capability》的翻译。
GraphDirective:赋予大型语言模型图形理解和推理能力
摘要
评估和增强大型语言模型(LLM)的通用能力一直是一个重要的研究课题。图形是现实世界中常见的数据结构,理解图形数据是提高通用智能的关键部分。为了评估和增强LLM的图理解能力,本文提出了一个名为GraphInstruction的基准,该基准全面包括21个经典的图推理任务,提供了不同的图生成管道和详细的推理步骤。在GraphInstruction的基础上,我们通过高效的指令调优进一步构建了GraphLM,显示出突出的图形理解能力。为了增强具有图推理能力的LLM,我们提出了一种步掩模训练策略,并构建了一个名为GraphLM+的模型。作为增强LLM的图理解和推理能力的开创性努力之一,大量实验已经证明GraphLM和GraphLM+优于其他LLM。我们期待更多的研究人员通过GraphInstruction探索LLM在图形数据挖掘领域的潜力。我们用于生成GraphInstruction的代码公开发布于:https://github.com/CGCL-codes/GraphInstruct.