提升大型语言模型的图对齐效果

《Neural Networks》：Enhance Graph Alignment for Large Language Models

　　

罗海通|孟旭颖|王素航|赵天翔|王法丽|张玉军

主要成果：

1. •
   提出GALLM方法，用于在两阶段调整过程中对齐任务模板，有效解决基于大语言模型（LLM）的图学习中的负迁移问题。
2. •
   设计了一种基于LLM特性和下游任务格式的判别性文本匹配自监督任务。
3. •
   开发了两种类别提示方法（手动/自动），以增强类别理解和模板对齐效果。
4. •
   在监督学习、多数据集泛化能力以及零样本迁移方面取得了领先性能。
5. •
   该模型与多种图模板和基础LLM具有很强的兼容性，展现出作为判别性图基础模型的潜力。