ALLE RESEARCH / CODE · SCIENCE · AGENTS
← 返回 Benchmark 目录
GRAPH / PROMPT LEARNING

ProG

NeurIPS 2024

A Graph Prompt Learning Benchmark

组合 6 种预训练方法、5 种 Prompt 方法与 15 个数据集。

6预训练方法
5提示方法
15数据集
01 / RESEARCH OVERVIEW

评测问题

图提示学习如何在不同预训练方案和下游任务中发挥作用?ProG 为方法选择提供统一比较框架。

ProG 论文研究配图
ProG · 论文研究配图 · 点击查看大图
02 / RESEARCH OVERVIEW

评测设计

组合 6 种预训练方法、5 种图提示技术与 15 个数据集,从性能、灵活性和效率三个方面比较。

03 / RESEARCH OVERVIEW

研究贡献

将已有方法组织为“提示作为图”和“提示作为 Token”两类,并提供开源库,降低执行、复现与比较不同图提示模型的成本。

研究介绍与结果据论文原文 ↗整理;实验结论对应原文中的模型、数据与协议。

浏览全部 17 项 Benchmark ↗
START A CONVERSATION

与 ALLE 研究团队交流

数据、环境、评测与合作。

czi447@alleai.cloud ↗