新PromptGFM模型将LLM和GNN集成用于文本属性图

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-04 04:00

研究人员推出PromptGFM，这是一种新颖的文本属性图（TAGs）图基础模型（GFM）。该模型旨在通过解决现有解耦架构的局限性来改进大型语言模型（LLMs）和图神经网络（GNNs）的集成。PromptGFM包含一个图理解模块，该模块提示LLMs在文本空间中执行GNN工作流；以及一个图推理模块，该模块建立了一个基于语言的图词汇表，以增强表达能力和可迁移性。 AI

影响这项研究通过改进LLM和GNN的集成，可能导致更有效的图基础模型，从而提高涉及文本属性图的任务的性能。

排序理由该集群包含一篇详细介绍图基础模型新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍图基础模型新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Xi Zhu, Haochen Xue, Ziwei Zhao, Wujiang Xu, Jingyuan Huang, Minghao Guo, Qifan Wang, Kaixiong Zhou, Imran Razzak, Yongfeng Zhang · 2026-09-04 04:00

LLM作为GNN：文本属性图基础模型的图词汇学习

arXiv:2503.03313v4 Announce Type: replace-cross Abstract: Text-Attributed Graphs (TAGs), where each node is associated with text descriptions, are ubiquitous in real-world scenarios. They typically exhibit distinctive structure and domain-specific knowledge, motivating the develo…

本文如何被排名

报道来源 [1]

LLM作为GNN：文本属性图基础模型的图词汇学习

相关实体

相关话题