論文の概要: GraphDecide: Benchmarking System One Models on Graph Tasks

• arxiv url: http://arxiv.org/abs/2610.06354v1
• Date: Mon, 05 Oct 2026 13:54:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 08:55:52.937381
• Title: GraphDecide: Benchmarking System One Models on Graph Tasks
• Title（参考訳）: GraphDecide: ベンチマークシステムの1つのモデル
• Abstract要約: 大規模言語モデル(LLM)は、グラフ理解と意思決定のためにますます研究されている。 JevのようなSystem Oneモデルは、供給されたオプションから直接選択する。 GraphDecideはモデルに依存しないベンチマークで、構造的タスクプロファイル、マッチしたグラフテキスト入力コントラスト、プロポザル制御を組み合わせたものだ。
• 参考スコア（独自算出の注目度）: 3.9089508293561845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are increasingly explored for graph understanding and decision-making, while System One models such as Jev select directly from supplied options. However, the capabilities of System One models on graph-related tasks remain unclear. We introduce GraphDecide, a model-independent benchmark that combines structural task profiles, matched graph-text input contrasts and heuristic-proposal controls to diagnose graph decision performance. We evaluate Jev and related choice-based models alongside language-model baselines, covering fourteen model-interface configurations. Jev's results illustrate the benchmark's central distinctions: accurate adjacency recognition does not guarantee broader structural correctness, joint graph-text input does not consistently improve prediction, and feasible construction does not establish high solution quality. Its task contracts, candidate interfaces and scoring rules support comparison across native selectors and language-model adapters. Code and aggregate results are available at https://github.com/VictorYXL/JevGraphBench.
• Abstract（参考訳）: 大規模言語モデル(LLM)はグラフの理解と意思決定のために研究され、一方、JevのようなSystem Oneモデルは供給されたオプションから直接選択する。 しかし、グラフ関連タスクにおけるSystem Oneモデルの能力は未だ不明である。 構造的タスクプロファイルと一致したグラフテキスト入力コントラストとヒューリスティック・プロモーサル制御を組み合わせたモデルに依存しないベンチマークであるGraphDecideを導入し、グラフ決定性能を診断する。 Jevと関連する選択ベースモデルと言語モデルベースラインを比較し,14のモデルインターフェース構成を網羅した。 正確な隣接認識は、より広範な構造的正しさを保証せず、共同グラフテキスト入力は、常に予測を改善しておらず、実現可能な構成は、高いソリューション品質を確立していない。 タスクコントラクト、候補インターフェース、スコアリングルールは、ネイティブセレクタと言語モデルアダプタ間の比較をサポートする。 コードと集計結果はhttps://github.com/VictorYXL/JevGraphBench.comで公開されている。

関連論文リスト

• GraphMatch: Fusing Language and Graph Representations in a Dynamic Two-Sided Work Marketplace [0.641571925032412]
  GraphMatchは、トレーニング済みの言語モデルとグラフニューラルネットワークを融合した、新たな大規模レコメンデーションフレームワークである。 逆の負のサンプリングとポイント・イン・タイム・サブグラフのトレーニングを併用して、進化するテキストの微細な意味と、グラフの時間に敏感な構造の両方を捉える表現を学習する。 実験では、GraphMatchは言語のみのベースラインとグラフのみのベースラインを、実行時に効率良くパフォーマンスします。
  論文  参考訳（メタデータ） (2025-12-02T15:02:10Z)
• An Automatic Graph Construction Framework based on Large Language Models for Recommendation [49.51799417575638]
  本稿では,大規模言語モデルに基づく自動グラフ構築フレームワークであるAutoGraphを紹介する。 LLMはユーザ好みとアイテムの知識を推論し、セマンティックベクターとして符号化する。 潜在因子は、ユーザ/イテムノードをリンクする余分なノードとして組み込まれ、結果として、深いグローバルビューセマンティクスを持つグラフとなる。
  論文  参考訳（メタデータ） (2024-12-24T07:51:29Z)
• GraphextQA: A Benchmark for Evaluating Graph-Enhanced Large Language Models [33.56759621666477]
  本稿では,言語モデルへのグラフ知識の統合を評価するためのベンチマークデータセットを提案する。 提案したデータセットは,グラフの理解能力を評価し,回答生成に利用するように設計されている。 言語のみのモデルと提案したグラフ言語モデルを用いて,ペアグラフの有用性を検証し,課題の難しさを実証する。
  論文  参考訳（メタデータ） (2023-10-12T16:46:58Z)
• Challenging the Myth of Graph Collaborative Filtering: a Reasoned and Reproducibility-driven Analysis [50.972595036856035]
  本稿では,6つの人気グラフと最近のグラフ推薦モデルの結果を再現するコードを提案する。 これらのグラフモデルと従来の協調フィルタリングモデルを比較する。 ユーザの近所からの情報フローを調べることにより,データセット構造における内在的特徴にどのようなモデルが影響するかを同定することを目的とする。
  論文  参考訳（メタデータ） (2023-08-01T09:31:44Z)
• Learnable Graph Matching: A Practical Paradigm for Data Association [74.28753343714858]
  これらの問題に対処するための一般的な学習可能なグラフマッチング法を提案する。 提案手法は,複数のMOTデータセット上での最先端性能を実現する。 画像マッチングでは,一般的な屋内データセットであるScanNetで最先端の手法より優れている。
  論文  参考訳（メタデータ） (2023-03-27T17:39:00Z)
• Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
  本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。 提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。 すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
  論文  参考訳（メタデータ） (2021-09-01T08:24:02Z)

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。