Buchumschlag

GraphTool-Instruction: Revolutionizing Graph Reasoning in LLMs through Decomposed Subtask Instruction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Rongzheng, Liang, Shuang, Chen, Qizhi, Zhang, Jiasheng, Qin, Ke
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

KEPo: Knowledge Evolution Poison on Graph-based Retrieval-Augmented Generation
von: Chen, Qizhi, et al.
Veröffentlicht: (2026)

GraphCogent: Mitigating LLMs' Working Memory Constraints via Multi-Agent Collaboration in Complex Graph Understanding
von: Wang, Rongzheng, et al.
Veröffentlicht: (2025)

DTGB: A Comprehensive Benchmark for Dynamic Text-Attributed Graphs
von: Zhang, Jiasheng, et al.
Veröffentlicht: (2024)

NeuroPath: Neurobiology-Inspired Path Tracking and Reflection for Semantically Coherent Retrieval
von: Li, Junchen, et al.
Veröffentlicht: (2025)

Light-IF: Endowing LLMs with Generalizable Reasoning via Preview and Self-Checking for Complex Instruction Following
von: Wang, Chenyang, et al.
Veröffentlicht: (2025)

RAG-Instruct: Boosting LLMs with Diverse Retrieval-Augmented Instructions
von: Liu, Wanlong, et al.
Veröffentlicht: (2024)

Rethinking LLM-Driven Heuristic Design: Generating Efficient and Specialized Solvers via Dynamics-Aware Optimization
von: Wang, Rongzheng, et al.
Veröffentlicht: (2026)

LookPlanGraph: Embodied Instruction Following Method with VLM Graph Augmentation
von: Onishchenko, Anatoly O., et al.
Veröffentlicht: (2025)

Online Detection of Anomalies in Temporal Knowledge Graphs with Interpretability
von: Zhang, Jiasheng, et al.
Veröffentlicht: (2024)

Identifying Selections for Unsupervised Subtask Discovery
von: Qiu, Yiwen, et al.
Veröffentlicht: (2024)

LitBench: A Graph-Centric Large Language Model Benchmarking Tool For Literature Tasks
von: Varvarigos, Andreas, et al.
Veröffentlicht: (2026)

DAGPrompT: Pushing the Limits of Graph Prompting with a Distribution-aware Graph Prompt Tuning Approach
von: Chen, Qin, et al.
Veröffentlicht: (2025)

G1: Teaching LLMs to Reason on Graphs with Reinforcement Learning
von: Guo, Xiaojun, et al.
Veröffentlicht: (2025)

DAG-Math: Graph-of-Thought Guided Mathematical Reasoning in LLMs
von: Zhang, Yuanhe, et al.
Veröffentlicht: (2025)

Graph-R1: Incentivizing the Zero-Shot Graph Learning Capability in LLMs via Explicit Reasoning
von: Wu, Yicong, et al.
Veröffentlicht: (2025)

From Language Modeling to Instruction Following: Understanding the Behavior Shift in LLMs after Instruction Tuning
von: Wu, Xuansheng, et al.
Veröffentlicht: (2023)

Divide-Verify-Refine: Can LLMs Self-Align with Complex Instructions?
von: Zhang, Xianren, et al.
Veröffentlicht: (2024)

SUPERNOVA: Eliciting General Reasoning in LLMs with Reinforcement Learning on Natural Instructions
von: Suvarna, Ashima, et al.
Veröffentlicht: (2026)

ReasonIF: Large Reasoning Models Fail to Follow Instructions During Reasoning
von: Kwon, Yongchan, et al.
Veröffentlicht: (2025)

Diffusion Language Models Can Perform Many Tasks with Scaling and Instruction-Finetuning
von: Ye, Jiasheng, et al.
Veröffentlicht: (2023)

MathScale: Scaling Instruction Tuning for Mathematical Reasoning
von: Tang, Zhengyang, et al.
Veröffentlicht: (2024)

Self-Evolving LLMs via Continual Instruction Tuning
von: Kang, Jiazheng, et al.
Veröffentlicht: (2025)

GeoMAE: Masking Representation Learning for Spatio-Temporal Graph Forecasting with Missing Values
von: Ke, Songyu, et al.
Veröffentlicht: (2025)

ARIES: Autonomous Reasoning with LLMs on Interactive Thought Graph Environments
von: Gimenes, Pedro, et al.
Veröffentlicht: (2025)

Rewarding Graph Reasoning Process makes LLMs more Generalized Reasoners
von: Peng, Miao, et al.
Veröffentlicht: (2025)

TimeGraphs: Graph-based Temporal Reasoning
von: Maheshwari, Paridhi, et al.
Veröffentlicht: (2024)

RulE: Knowledge Graph Reasoning with Rule Embedding
von: Tang, Xiaojuan, et al.
Veröffentlicht: (2022)

Can LLMs Effectively Leverage Graph Structural Information through Prompts, and Why?
von: Huang, Jin, et al.
Veröffentlicht: (2023)

HeGMN: Heterogeneous Graph Matching Network for Learning Graph Similarity
von: Sang, Shilong, et al.
Veröffentlicht: (2025)

Revolutionizing TCAD Simulations with Universal Device Encoding and Graph Attention Networks
von: Fan, Guangxi, et al.
Veröffentlicht: (2023)

Graphs Generalization under Distribution Shifts
von: Tian, Qin, et al.
Veröffentlicht: (2024)

Can LLMs Convert Graphs to Text-Attributed Graphs?
von: Wang, Zehong, et al.
Veröffentlicht: (2024)

Graph Neural Thompson Sampling
von: Wu, Shuang, et al.
Veröffentlicht: (2024)

Picky LLMs and Unreliable RMs: An Empirical Study on Safety Alignment after Instruction Tuning
von: Li, Guanlin, et al.
Veröffentlicht: (2025)

CEGRL-TKGR: A Causal Enhanced Graph Representation Learning Framework for Temporal Knowledge Graph Reasoning
von: Sun, Jinze, et al.
Veröffentlicht: (2024)

Enhancing Instruction Following of LLMs via Activation Steering with Dynamic Rejection
von: Kang, Minjae, et al.
Veröffentlicht: (2026)

Federated Continual Instruction Tuning
von: Guo, Haiyang, et al.
Veröffentlicht: (2025)

Deep Temporal Graph Clustering
von: Liu, Meng, et al.
Veröffentlicht: (2023)

LLM Self-Correction with DeCRIM: Decompose, Critique, and Refine for Enhanced Following of Instructions with Multiple Constraints
von: Ferraz, Thomas Palmeira, et al.
Veröffentlicht: (2024)

Revolutionizing Encrypted Traffic Classification with MH-Net: A Multi-View Heterogeneous Graph Model
von: Zhang, Haozhen, et al.
Veröffentlicht: (2025)