Impact de la sérialisation des graphes sur les LLM de raisonnement
En bref
- 15 formats de sérialisation de graphes testés sur 9 configurations de LLM.
- Le choix du format impacte fortement les tâches de raisonnement structurel.
- Une approche dynamique est recommandée pour optimiser les performances.
Une étude évalue 15 formats de sérialisation de graphes pour les LLM de raisonnement, montrant que leur choix influence fortement les performances sur des tâches de raisonnement structurel. Les résultats varient selon le modèle, la requête et la tâche, soulignant l'importance d'une approche dynamique.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur