Jure Leskovec
Что графовая структура добавляет к тем задачам рассуждения и поиска, с которыми языковые модели сейчас справляются без неё, — и что теряется, когда отношения в данных сплющивают в текст.
node2vec у Leskovec (2016) был одним из первых методов, позволивших графово-структурированным данным служить входом для стандартных ML-конвейеров: представить узлы векторами, которые сохраняют информацию о соседстве, а затем использовать эти эмбеддинги как признаки везде, где можно использовать вектор. Последовавшие датасеты и методы Stanford Network Analysis Project (SNAP) стали стандартной основой для исследований graph-ML. Для ai100, где вопрос «как модель знает, какой бренд упомянуть» лежит в зоне графово-структурированного рассуждения — какие сущности связаны с какими контекстами в обучающих данных, — графовая перспектива даёт полезный независимый ракурс на то, что текущая оценка LLM обычно измеряет только на поверхности.