arXiv cs.AI·49 天前★ 3

GTA：面向LLM算法图推理的图论智能体与基准

原文标题：GTA: Graph Theory Agent and Benchmark for Algorithmic Graph Reasoning with LLMs

重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

研究提出Graph Theory Bench，覆盖24类经典图问题、44种任务结构设置，超10万样本，涵盖自然语言、结构化语言、邻接表和邻接矩阵四种表示。评估八款LLM显示准确率强烈依赖输入表示，且最佳表示随图密度、规模、拓扑与模型变化。基于此提出GTA智能体，将Phi-4在简单集从53.5%提升至69.1%，困难集从33.0%提升至41.5%，并可零训练迁移。

论文速读 · 四段结构cs.CL代码仓库 ↗去论文速读 →

问题: LLM做多步图算法推理的可靠性不明，现有评测任务简单、只看代码生成、输入格式单一。
方法: 构建覆盖24类图问题、4种输入表示的GT Bench，并提出偏好训练表示选择器加规划分解的GTA智能体。
结果: GTA把Phi-4简单集从53.5%提到69.1%、困难集从33.0%提到41.5%，零训练迁移到GraCoRe和NLGraph。
影响: 做图结构推理的团队需按图密度和规模动态选输入表示，而非固定一种格式。

深读 · 结论先行AI 生成展开看要点与影响 ↓

GT Bench含24类图问题、超10万样本，八款LLM准确率强烈依赖输入表示；GTA将Phi-4简单集从53.5%提至69.1%。

•基准覆盖24类经典图问题、44种任务结构设置、超10万样本，含自然语言、结构化语言、邻接表、邻接矩阵四种表示。
•评估八款LLM发现准确率强烈依赖输入表示，最佳表示随图密度、规模、拓扑和模型变化。
•这种表示敏感性在最强推理模型中依然存在，只是有所减弱。
•GTA由偏好训练的表示选择器加计划分解脚手架组成，执行器LLM保持冻结。
•GTA将Phi-4简单集从53.5%升至69.1%、困难集从33.0%升至41.5%，胜过八个提示与智能体基线，并可零训练迁移到GraCoRe与NLGraph。