GTLM：让预训练LLM原生处理图结构
热点事件持续更新
GTLM：让预训练LLM原生处理图结构
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Dario Vajda 发布论文提出 Graph Transformer Language Model（GTLM），通过向预训练 LLM 的注意力模块注入图感知注意力偏置，使其原生处理图拓扑，仅新增 0.015% 结构相关参数。 论文称，GTLM 在 1k 至 64k tokens 范围内 needle-in-a-graph 准确率保持平稳，并在文本属性图、WebQSP 上的 GraphRAG 及分子基准上匹配或超越领域 SOTA。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
GTLM：让 LLM 原生处理图结构，统一文本与结构推理报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LGGTLM：让 LLM 原生处理图结构，统一文本与结构推理
研究者提出 Graph Transformer Language Model（GTLM），通过向预训练 LLM 的注意力模块注入图感知注意力偏置，使其原生处理图拓扑，仅新增 0.015% 结构相关参数。GTLM 在 1k 至 64k tokens 范围内 needle-in-a-graph 准确率保持平稳，并在文本属性图、WebQSP 上的 GraphRAG 及分子基准上匹配或超越领域 SOTA。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。