摘要
推理 - 行动框架通过交错推理与动作增强大语言模型，但在图学习领域尚待探索。针对图数据的结构化特性，本文提出 GraphReAct 框架，支持在图结构数据上进行逐步推断。该框架设计了包含拓扑检索与语义检索的动作空间以动态扩展推理上下文，并引入上下文精炼动作来压缩重组累积信息。实验表明，该方法在六个基准数据集上均优于现有技术，验证了推理 - 行动范式在图学习中的有效性。
AI 推荐理由
论文核心提出图推理 - 行动框架，专注于多步图数据上的逐步推理与上下文优化机制。
研究机构
The Chinese University of Hong Kong
The University of Science and Technology of China
University of Electronic Science and Technology of China
The University of Tokyo
RMIT University
Singapore Management University
论文信息