11:41
官方账号arXiv cs.AI@Zhifei Hu, Alexandra I. Cristea
推荐理由：这篇论文给出了一个让GNN和LLM真正协作的新思路——用图结构信息去构造提示词，再反过来优化图模型。实验扎实，覆盖6个数据集，比现有融合方法都强。
图学习
共 2 条相关 AI 资讯
6月30日
11:41
PromptGNN-sim提出双向结构-语义融合框架，利用GAT进行语义感知邻域选择，生成结构感知提示（含目标节点摘要、标签类别、相似邻居关键词）引导LLM。通过跨模态对比学习和交叉注意力联合优化GNN与LLM。在Cora、Pubmed、WikiCS等6个公开数据集上，PromptGNN-sim在准确率、泛化性和鲁棒性上超越经典GNN、LLM及近期融合方法。
6月23日
10:33
10:33
官方账号arXiv cs.LG@Junshu Sun, Wanxing Chang, Qingming Huang, Shuhui Wang
推荐理由：AdaR让图模型在测试时自己调整推理步数，不用重新训练，效果比传统图神经网络好。