大声明，小利润：报告的 GraphLLM 增益能否在简单基线下生存？
HuggingFace Daily Papers · · 发布于 2026-11-04 · 1 分钟阅读
arXiv:2610.28714v1 公布类型：新 摘要：基于大语言模型（LLM）的方法用于文本属性图（TAGs）的节点分类，通常报告最先进的准确率。我们想了解这些结果与在相同划分上运行的廉价基线相比如何。在最近三个划分上
要点 1
arXiv:2610.28714v1 公布类型：新 摘要：基于大语言模型（LLM）的方法用于文本属性图（TAGs）的节点分类，通常报告最先进的准确率。
要点 2
我们想了解这些结果与在相同划分上运行的廉价基线相比如何。
SOURCES
共 1 个来源