GraphInstruct: 대규모 언어 모델에 그래프 이해 및 추론 능력 부여

대규모 언어 모델(LLM)의 일반 능력 평가 및 향상은 중요한 연구 주제입니다. 그래프는 현실 세계에서 흔한 데이터 구조이며, 그래프 데이터를 이해하는 것은 일반 지능 발전에 핵심적인 부분입니다. 본 논문에서는 LLM의 그래프 이해 능력을 평가 및 향상하기 위해 21개의 고전적인 그래프 추론 과제를 포괄적으로 포함하고 다양한 그래프 생성 파이프라인과 상세한 추론 단계를 제공하는 벤치마크 GraphInstruct를 제안합니다. GraphInstruct를 바탕으로 효율적인 지침 튜닝을 통해 뛰어난 그래프 이해 능력을 보이는 GraphLM을 구축하였습니다. 또한 LLM의 그래프 추론 능력 향상을 위해 스텝 마스크 훈련 전략을 제안하고 GraphLM+라는 모델을 구성하였습니다. LLM의 그래프 이해 및 추론 능력 향상을 위한 선구적인 노력 중 하나로, 광범위한 실험을 통해 GraphLM과 GraphLM+가 다른 LLM보다 우수함을 입증하였습니다. GraphInstruct를 통해 더 많은 연구자들이 그래프 데이터 마이닝 분야에서 LLM의 잠재력을 탐구하기를 기대합니다. GraphInstruct 생성 코드는 https://github.com/CGCL-codes/GraphInstruct 에 공개되어 있습니다.