GitHub – NineAbyss/GLBench：NeurIPS 的官方实现 24 数据集和基准测试 Track 论文：GLBench：具有大型语言模型的图的综合基准测试
| Name | ||
|---|---|---|
|
last year
|
||
|
last year
|
||
|
last year
|
||
|
last year
|
||
|
last year
|
||
|
last year
|
||
|
last year
|
||
|
last year
|
||
存储库文件导航
如果您喜欢我们的项目，请在 GitHub 上给我们一个星号⭐以获取最新更新。
这是以下论文的正式实现：
GLBench：具有大型语言模型的图的综合基准 [论文]
李玉涵， 王培松， 朱晓， 陈奥川， 江海云， 邓蔡， 陈伟健， 李佳
图与法学硕士的趋势。
在开始之前，请确保您的系统上安装了 Anaconda 或 Miniconda。本指南假设您有一个支持 CUDA 的 GPU。 创建 conda 环境后（我们推荐 python==3.10），请运行
pip install -r requirements.txt
安装 python 包。
GLBench 中的所有数据集都可以在此链接中找到。 请将它们放入文件夹中。datasets
对经典 GNN 进行基准测试（网格搜索超参数）
cd models/gnn
bash models/gnn/run.sh
在监督设置（Sent-BERT、BERT、RoBERTa）中对 LLM 进行基准测试
cd models/llm/llm_supervised
bash roberta_search.sh
在零样本设置（gpt-4o、gpt-3.5-turbo、llama3-70b、deepseek-chat）中对 LLM 进行基准测试
cd models/llm/llm_zeroshot
python inference.py --model gpt-4o --data cora
- 巨大
由于一些包冲突或版本限制，我们建议使用 docker 运行 GIANT。docker 文件位于
models/enhancer/giant-xrt/dockerfile
启动 Docker 容器后，运行
cd models/enhancer/giant-xrt/
bash run_all.sh
cd models/enhancer/TAPE/
bash run.sh
- OFA
cd models/enhancer/OneForAll/
bash run.sh
- 发动机
- InstructGLM
- 图形文本
由于一些包冲突或版本限制，我们建议使用 docker 来运行 GraphText。docker 文件位于
models/predictor/GraphText/dockerfile
启动 Docker 容器后，运行
cd models/predictor/GraphText
bash run.sh
- 图形适配器
cd models/predictor/GraphAdapter
bash run.sh
- 拉加
- 格莱姆
cd models/alignment/GLEM
bash run.sh
- 巴顿
bash run_pretrain.sh
bash nc_class_train.sh
bash nc_class_test.sh
We also provide seperate scripts for different datasets.
- Zero-shot
Benchmark the LLMs(LLaMA3, GPT-3.5-turbo, GPT-4o, DeepSeek-chat)
cd models/llm
您可以为 OpenAI 使用自己的 API 密钥。
- OFA
cd models/enhancer/OneForAll/
bash run_zeroshot.sh
- 零G
cd models/enhancer/ZeroG/
bash run.sh
- 图形GPT
cd models/predictor/GraphGPT
bash ./scripts/eval_script/graphgpt_eval.sh
仅供参考：我们的其他作品
🔥 图遇上大语言模型的综述：进展与未来方向 （IJCAI’24） 
🔥 ZeroG：研究图中的跨数据集零样本可转移性 （KDD’24） 
我们感谢我们引用的所有作品的作者，因为他们扎实的工作和清晰的代码组织！ GraphLLM 方法的原始版本如下：
对准：
格莱姆：
巴顿：
增强：
发动机：
巨大：
欧法：
- (2023.09） [ICLR’ 2024] One for All： Towards Training One Graph Model for All Classification Tasks [论文 |法典]
磁带：
零G：
预测：
图形适配器：
- (2024.02） [WWW’ 2024] GNN 可以成为 LLM 的好适配器吗？[论文]
图形GPT：
图形文本：
InstructGLM：
LLaGA：
$CODE_DIR
├── datasets
└── models
├── alignment
│ ├── GLEM
│ └── Patton
├── enhancer
│ ├── ENGINE
│ ├── giant-xrt
│ ├── OneForAll
│ ├── TAPE
│ └── ZeroG
├── gnn
├── llm
│ ├── deepseek-chat
│ ├── gpt-3.5-turbo
│ ├── gpt-4o
│ └── llama3-70b
└── predictor
├── GraphAdapter
├── GraphGPT
├── GraphText
├── InstructGLM
└── LLaGA
2. 分享目的仅供大家学习和交流，请不要用于商业用途!
3. 如果你也有好源码或者教程，可以到用户中心发布，分享有积分奖励和额外收入！
4. 本站提供的源码、模板、插件等等其他资源，都不包含技术服务请大家谅解！
5. 如有链接无法下载、失效或广告，请联系管理员处理！
6. 本站资源售价只是赞助，收取费用仅维持本站的日常运营所需！
7. 如遇到加密压缩包，默认解压密码为"gltf",如遇到无法解压的请联系管理员！
8. 因为资源和程序源码均为可复制品，所以不支持任何理由的退款兑现，请斟酌后支付下载
声明：如果标题没有注明"已测试"或者"测试可用"等字样的资源源码均未经过站长测试.特别注意没有标注的源码不保证任何可用性
GLB下载网 - GLB/GLTF模型与格式资源免费下载，支持在线浏览与转换 » NeurIPS 的官方实现 数据集和基准测试 轨道论文：GLBench：具有大型语言模型的图形的综合基准
常见问题FAQ
- 免费下载或者VIP会员专享资源能否直接商用？
- 本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。若由于商用引起版权纠纷，一切责任均由使用者承担。更多说明请参考 VIP介绍。
- 提示下载要提取码
- 分享过期和重复下载怎么办
- 模型和平台不兼容怎么办
