摘要
大型语言模型（LLM）发展迅速，但在结构化及多跳推理方面存在局限，亟需图原生的协同 AI 系统。本文综述了三种互补协同模式：利用图计算增强 LLM 的检索与推理；LLM 与知识图谱的双向集成，兼顾构建效率与事实一致性；以及利用图算法强化智能体的规划与多步推理。此外，文章还探讨了 LLM 在图数据管理及混合图神经网络流水线中的新能力，为下一代图原生 AI 系统提供了统一的视角与设计原则。
AI 推荐理由
论文核心探讨利用图结构增强 LLM 的结构化与多跳推理能力，虽涉及规划但推理为主。
研究机构
Bowling Green State University, Ohio, USA
Hong Kong Baptist University, Hong Kong, China
论文信息