Buchumschlag

LLM Enhancers for GNNs: An Analysis from the Perspective of Causal Mechanism Identification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Hang, Huang, Wenxuan, Wu, Fengge, Zhao, Junsuo, Zheng, Changwen, Liu, Huaping
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learn to Think: Bootstrapping LLM Reasoning Capability Through Graph Representation Learning
von: Gao, Hang, et al.
Veröffentlicht: (2025)

Bootstrapping Heterogeneous Graph Representation Learning via Large Language Models: A Generalized Approach
von: Gao, Hang, et al.
Veröffentlicht: (2024)

Molecular Graph Representation Learning via Structural Similarity Information
von: Yao, Chengyu, et al.
Veröffentlicht: (2024)

A Closer Look at the Application of Causal Inference in Graph Representation Learning
von: Gao, Hang, et al.
Veröffentlicht: (2026)

Neural P$^3$M: A Long-Range Interaction Modeling Enhancer for Geometric GNNs
von: Wang, Yusong, et al.
Veröffentlicht: (2024)

Rethinking Dimensional Rationale in Graph Contrastive Learning from Causal Perspective
von: Ji, Qirui, et al.
Veröffentlicht: (2023)

MBDS: A Multi-Body Dynamics Simulation Dataset for Graph Networks Simulators
von: Yang, Sheng, et al.
Veröffentlicht: (2024)

Graph Partial Label Learning with Potential Cause Discovering
von: Gao, Hang, et al.
Veröffentlicht: (2024)

Introducing Diminutive Causal Structure into Graph Representation Learning
von: Gao, Hang, et al.
Veröffentlicht: (2024)

Investigating Out-of-Distribution Generalization of GNNs: An Architecture Perspective
von: Guo, Kai, et al.
Veröffentlicht: (2024)

ConstellationNet: Reinventing Spatial Clustering through GNNs
von: Gao, Aidan, et al.
Veröffentlicht: (2025)

CPA-Enhancer: Chain-of-Thought Prompted Adaptive Enhancer for Object Detection under Unknown Degradations
von: Zhang, Yuwei, et al.
Veröffentlicht: (2024)

Towards Robust Deep Reinforcement Learning against Environmental State Perturbation
von: Wang, Chenxu, et al.
Veröffentlicht: (2025)

Acceleration Algorithms in GNNs: A Survey
von: Ma, Lu, et al.
Veröffentlicht: (2024)

TGB-Seq Benchmark: Challenging Temporal GNNs with Complex Sequential Dynamics
von: Yi, Lu, et al.
Veröffentlicht: (2025)

Edge-free but Structure-aware: Prototype-Guided Knowledge Distillation from GNNs to MLPs
von: Wu, Taiqiang, et al.
Veröffentlicht: (2023)

Using Subgraph GNNs for Node Classification:an Overlooked Potential Approach
von: Zeng, Qian, et al.
Veröffentlicht: (2025)

SphUnc: Hyperspherical Uncertainty Decomposition and Causal Identification via Information Geometry
von: Fu, Rong, et al.
Veröffentlicht: (2026)

The Heterophilic Snowflake Hypothesis: Training and Empowering GNNs for Heterophilic Graphs
von: Wang, Kun, et al.
Veröffentlicht: (2024)

Enhancing GNNs with Architecture-Agnostic Graph Transformations: A Systematic Analysis
von: Li, Zhifei, et al.
Veröffentlicht: (2024)

Making Classic GNNs Strong Baselines Across Varying Homophily: A Smoothness-Generalization Perspective
von: Gu, Ming, et al.
Veröffentlicht: (2024)

Automatic Causal Fairness Analysis with LLM-Generated Reporting
von: Berarducci, Alessia, et al.
Veröffentlicht: (2026)

Empowering GNNs via Edge-Aware Weisfeiler-Leman Algorithm
von: Liu, Meng, et al.
Veröffentlicht: (2022)

Enhancing Large Language Models for Time-Series Forecasting via Vector-Injected In-Context Learning
von: Zhang, Jianqi, et al.
Veröffentlicht: (2026)

On the Universality of Self-Supervised Learning
von: Qiang, Wenwen, et al.
Veröffentlicht: (2024)

QuadEnhancer: Leveraging Quadratic Transformations to Enhance Deep Neural Networks
von: Chen, Qian, et al.
Veröffentlicht: (2025)

SFR-GNN: Simple and Fast Robust GNNs against Structural Attacks
von: Ai, Xing, et al.
Veröffentlicht: (2024)

On the Expressive Power of GNNs for Boolean Satisfiability
von: Peltonen, Saku, et al.
Veröffentlicht: (2026)

Unsupervised Optimisation of GNNs for Node Clustering
von: Leeney, William, et al.
Veröffentlicht: (2024)

Hierarchical Source-to-Post-Route QoR Prediction in High-Level Synthesis with GNNs
von: Gao, Mingzhe, et al.
Veröffentlicht: (2024)

On the Direction of RLVR Updates for LLM Reasoning: Identification and Exploitation
von: Huang, Kexin, et al.
Veröffentlicht: (2026)

Consistency of Neural Causal Partial Identification
von: Tan, Jiyuan, et al.
Veröffentlicht: (2024)

Are Heterogeneous Graph Neural Networks Truly Effective? A Causal Perspective
von: Yang, Xiao, et al.
Veröffentlicht: (2025)

HTG-GCL: Leveraging Hierarchical Topological Granularity from Cellular Complexes for Graph Contrastive Learning
von: Ji, Qirui, et al.
Veröffentlicht: (2025)

Systems with Switching Causal Relations: A Meta-Causal Perspective
von: Willig, Moritz, et al.
Veröffentlicht: (2024)

Benchmarking Positional Encodings for GNNs and Graph Transformers
von: Grötschla, Florian, et al.
Veröffentlicht: (2024)

Binarizing Physics-Inspired GNNs for Combinatorial Optimization
von: Krutský, Martin, et al.
Veröffentlicht: (2025)

Distribution Preference Optimization: A Fine-grained Perspective for LLM Unlearning
von: Qin, Kai, et al.
Veröffentlicht: (2025)

A Comprehensive Benchmark on Spectral GNNs: The Impact on Efficiency, Memory, and Effectiveness
von: Liao, Ningyi, et al.
Veröffentlicht: (2024)

Optimal Experiments for Partial Causal Effect Identification
von: Maringgele, Tobias, et al.
Veröffentlicht: (2026)