摘要
本文提出“聚类即推理”新范式，重新诠释基于思维链（CoT）的图学习方法。针对现有方法架构分离及交互受限问题，作者提出 KCoT 统一框架，揭示了 Transformer 模块与$k$-Means 算法间的数学对应关系，将推理过程解释为迭代分配与更新步骤。通过引入语义区分提示及结构对齐策略，融合拓扑先验与动态表示。实验表明，该方法在标准基准上显著优于现有技术，验证了聚类作为 CoT 图学习原则性机制的有效性。
AI 推荐理由
论文核心提出将聚类视为推理的新范式，深入解析 CoT 机制并提升 LLM 在图数据上的推理能力。
研究机构
Work done while visiting Singapore Management University; Equal contribution
University of Electronic Science and Technology of China, 61173, Chengdu, China
Singapore Management University, 189855, Singapore
State University, East Lansing, 48824, MI, USA
The Chinese University of Hong Kong, Hong Kong SAR, China
Correspondence to: Xuan ting Xie , Zhao Kang , Yuan Fang
论文信息