GraphDancer：用课程强化学习训练LLM探索图结构知识

GraphDancer用课程强化学习让LLM学会跨域图探索与推理。

资讯摘要

论文提出GraphDancer，一个强化学习框架，让LLM通过交替推理与函数调用来导航异构图结构知识。作者引入图感知课程，按问题结构难度以易到难采样安排训练。在GRBench上仅用Academic和Biomedical图训练，测试覆盖未见过的E-commerce、Literature、Legal图；以Qwen2.5-3B-Instruct或Qwen3-14B为骨干，作者报告其在所有评测域优于同骨干图智能体基线，14B版本在未见域平均超过GPT-4.1-mini与GPT-5-nano驱动的基线。

要点速读

1. 论文提出GraphDancer强化学习框架，训练LLM交替推理与执行函数调用以导航异构图。
2. 引入图感知课程，按问题结构难度用易到难偏置采样器安排训练。
3. 在GRBench上仅用Academic和Biomedical图训练，作者报告其在未见域优于同骨干基线，14B版本平均超过GPT-4.1-mini和GPT-5-nano驱动的基线。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。