arXiv cs.AI· Julien Yu, Mihaela Bornea, Avirup Sil, Katrin Kirchhoff·· 11 小时前AI 评分34
图序列化如何影响推理 LLM：知识抽取与结构推理任务研究
Graph Serializations for Reasoning LLMs: A Study Across Knowledge Extraction and Structural Reasoning
AI 导读
研究评估了 15 种图表示格式在 9 种前沿 LLM 配置下对知识抽取与结构图推理任务的影响，发现知识抽取对序列化格式相对不敏感，而结构推理任务的准确率显著受最优格式选择影响。最优表示取决于模型、查询和任务，作者据此提出应将图序列化视为一种动态编排决策。
正文 · AI 翻译
摘要：知识图谱被序列化为文本并纳入 LLM 上下文的方式会显著影响下游 LLM 的性能，先前的研究报告了不同格式之间存在数十个百分点的差异。然而，现有研究仅考虑了有限的表示集合，且早于前沿推理模型，而这些模型如今提供了更强的推理、指令遵循和长上下文能力。我们在基于本体的知识抽取和结构化图推理任务上，评估了九种前沿 LLM 配置下的 15 种图表示格式。虽然知识抽取对不同序列化格式相对不敏感，但为结构化推理任务选择最优格式会显著影响准确率。我们证明最优表示选择取决于模型、查询和任务，并提出将图序列化视为一种动态编排决策。
| 评论： | 已被 EMNLP 2026 Findings 接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.22734 [cs.AI] |
| （或 arXiv:2610.22734v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22734 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Julien Yu [查看邮箱]
[v1]
2026年10月15日星期四 23:12:21 UTC（266 KB）
来源：arXiv cs.AI · arxiv.org