論文の概要: Graph Drawing for LLMs: An Empirical Evaluation

• arxiv url: http://arxiv.org/abs/2505.03678v1
• Date: Tue, 06 May 2025 16:23:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.475641
• Title: Graph Drawing for LLMs: An Empirical Evaluation
• Title（参考訳）: LLMのためのグラフ描画:実証的評価
• Authors: Walter Didimo, Fabrizio Montecchiani, Tommaso Piselli,
• Abstract要約: 我々は、視覚的モダリティに依存した使用シナリオに注目し、分析下のグラフの描画でモデルに供給する。 本稿では,モデルの性能が,選択したレイアウトパラダイム,描画の美学,クエリーに使用するプロンプト技術にどのように影響するかを検討する。
• 参考スコア（独自算出の注目度）: 2.9099452901745644
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Our work contributes to the fast-growing literature on the use of Large Language Models (LLMs) to perform graph-related tasks. In particular, we focus on usage scenarios that rely on the visual modality, feeding the model with a drawing of the graph under analysis. We investigate how the model's performance is affected by the chosen layout paradigm, the aesthetics of the drawing, and the prompting technique used for the queries. We formulate three corresponding research questions and present the results of a thorough experimental analysis. Our findings reveal that choosing the right layout paradigm and optimizing the readability of the input drawing from a human perspective can significantly improve the performance of the model on the given task. Moreover, selecting the most effective prompting technique is a challenging yet crucial task for achieving optimal performance.
• Abstract（参考訳）: 我々の研究は、グラフ関連タスクの実行にLarge Language Models(LLMs)を使うことに関する、急速に成長する文献に寄与する。 特に、視覚的モダリティに依存した使用シナリオに注目し、分析対象のグラフの描画でモデルに供給する。 本稿では,モデルの性能が,選択したレイアウトパラダイム,描画の美学,クエリーに使用するプロンプト技術にどのように影響するかを検討する。 対応する3つの研究質問を定式化し、徹底的な実験分析の結果を提示する。 これらの結果から,入力図面の読みやすさを人間の視点で最適化することで,与えられたタスクにおけるモデルの性能を大幅に向上させることができることがわかった。 さらに、最も効果的なプロンプト技術を選択することは、最適なパフォーマンスを達成する上で難しいが重要な課題である。

関連論文リスト

• GraphOmni: A Comprehensive and Extendable Benchmark Framework for Large Language Models on Graph-theoretic Tasks [15.147178364098034]
  LLMのグラフ推論能力を評価するためのベンチマークフレームワークであるGraph Omniを提案する。 以上の結果から, 単連化やプロンプト戦略が他より一貫して優れていないことが示唆された。 これらの知見に感化され、我々は、最高のシリアライズとプロンプトのペアリングを動的に選択する強化学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2025-04-17T09:01:16Z)
• Parameter-Efficient Active Learning for Foundational models [7.799711162530711]
  基礎的な視覚変換器モデルは、多くの視覚タスクにおいて、驚くほどのショットパフォーマンスを示している。 本研究は,アクティブラーニング(AL)フレームワークにおけるパラメータ効率の良い微調整手法の適用に関する新たな研究である。
  論文  参考訳（メタデータ） (2024-06-13T16:30:32Z)
• Can Graph Learning Improve Planning in LLM-based Agents? [61.47027387839096]
  言語エージェントにおけるタスクプランニングは、大規模言語モデル(LLM)の開発とともに重要な研究トピックとして浮上している。 本稿では,課題計画のためのグラフ学習に基づく手法について検討する。 我々のグラフ学習への関心は、注意のバイアスと自己回帰的損失が、グラフ上の意思決定を効果的にナビゲートするLLMの能力を妨げているという理論的な発見に起因している。
  論文  参考訳（メタデータ） (2024-05-29T14:26:24Z)
• Text-to-Image Diffusion Models are Great Sketch-Photo Matchmakers [120.49126407479717]
  本稿では,ゼロショットスケッチに基づく画像検索(ZS-SBIR)のためのテキスト・画像拡散モデルについて検討する。 スケッチと写真の間のギャップをシームレスに埋めるテキストと画像の拡散モデルの能力。
  論文  参考訳（メタデータ） (2024-03-12T00:02:03Z)
• Vision-Enhanced Semantic Entity Recognition in Document Images via Visually-Asymmetric Consistency Learning [19.28860833813788]
  既存のモデルでは、視覚的エンコーダを弱いモード間監視信号で訓練することが一般的である。 そこで本稿では,textbfVisually-textbfAsymmetric cotextbfNsistentextbfCy textbfLearning (textscVancl) アプローチを提案する。
  論文  参考訳（メタデータ） (2023-10-23T10:37:22Z)
• Summary-Oriented Vision Modeling for Multimodal Abstractive Summarization [63.320005222549646]
  マルチモーダル抽象要約(MAS)は、マルチモーダルデータ(テキストとビジョン)から簡潔な要約を作成することを目的としている。 本稿では,要約指向の視覚的特徴によって要約品質を改善することを提案する。 中高、低低、ゼロリソースのシナリオをカバーする44言語の実験は、提案手法の有効性と優位性を検証する。
  論文  参考訳（メタデータ） (2022-12-15T09:05:26Z)
• How to Design Sample and Computationally Efficient VQA Models [53.65668097847456]
  テキストを確率的プログラムとして表現し,イメージをオブジェクトレベルのシーングラフとして表現することが,これらのデシラタを最も満足していることが判明した。 既存のモデルを拡張して,これらのソフトプログラムとシーングラフを活用して,エンドツーエンドで質問応答ペアをトレーニングします。
  論文  参考訳（メタデータ） (2021-03-22T01:48:16Z)
• Models, Pixels, and Rewards: Evaluating Design Trade-offs in Visual Model-Based Reinforcement Learning [109.74041512359476]
  視覚的MBRLアルゴリズムにおける予測モデルの設計決定について検討する。 潜在空間の使用など、しばしば重要と見なされる設計上の決定は、タスクのパフォーマンスにはほとんど影響しないことが分かりました。 我々は,この現象が探索とどのように関係しているか,および標準ベンチマークにおける下位スコーリングモデルのいくつかが,同じトレーニングデータでトレーニングされた場合のベストパフォーマンスモデルと同等の性能を発揮するかを示す。
  論文  参考訳（メタデータ） (2020-12-08T18:03:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。