标签
本文探讨了将大语言模型作为不完美的领域专家整合到解释性结构建模（ISM）中，以替代耗时耗力的专家共识过程；文章对比了成对比较、k--wise、行式以及全图因果发现方法，发现行式方法（SHD=160，F1=0.77）和全图方法（SHD=135，F1=0.73）表现最佳。
介绍了GraphInfer-Bench，这是一个基准测试，用于评估LLMs是否能够进行图推理——生成关于节点及其邻域的开放式答案，这些答案无法从单个节点或路径中检索到。实验表明，即使是最前沿的LLMs在这些任务上也落后于普通GNNs，揭示了一个能力差距。