НОВОСТЬ · RESEARCH · #327
Google Research представила «Talk like a Graph» и бенчмарк GraphQA для кодирования графов для LLM
Исследователи Google (Бахаре Фатеми и Брайан Пероззи) предложили способы преобразования графов в текстовое представление, понятное большим языковым моделям, и представили бенчмарк GraphQA с задачами на рассуждение по графам и генераторами графов. Они отмечают, что производительность LLM зависит от метода кодирования, типа задачи и структуры графа, и выбор подходящего кодирования может повысить точность на графовых задачах примерно до 60%.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Исследователи Google (Бахаре Фатеми и Брайан Пероззи) предложили способы преобразования графов в текстовое представление, понятное большим языковым моделям, и представили бенчмарк GraphQA с задачами на рассуждение по графам и генераторами графов.
- Они отмечают, что производительность LLM зависит от метода кодирования, типа задачи и структуры графа, и выбор подходящего кодирования может повысить точность на графовых задачах примерно до 60%.
- Это важно, потому что многие реальные данные имеют графовую структуру — улучшенные способы кодирования позволят LLM эффективнее рассуждать о сетях, графах знаний и других структурированных данных.
ПОЧЕМУ ЭТО ВАЖНО
Это важно, потому что многие реальные данные имеют графовую структуру — улучшенные способы кодирования позволят LLM эффективнее рассуждать о сетях, графах знаний и других структурированных данных.