pyg-team/pytorch_geometric

Implementation of LLM-to-LM GNN

Ouverte

#9 361 ouverte le 26 mai 2024

Voir sur GitHubGuide contributeur
 (3 commentaires) (0 réaction) (1 personne assignée)Python (3 514 forks)batch import
1 - Priority P1examplefeaturehelp wanted

Métriques du dépôt

Stars
 (19 985 étoiles)
Métriques de merge PR
 (Merge moyen 35j 1h) (14 PRs mergées en 30 j)

Description

🚀 The feature, motivation and pitch

Paper: Harnessing Explanations: LLM-to-LM Interpreter for Enhanced Text Attributed Graph Representation Learning (ICLR 2024)

The paper uses the power of an LLM to get a meaningful explanation, which is then used to fine-tune a smaller LM+GNN. Really interesting paper. Would be great to have an example of it in PyG :)

Guide contributeur

Direction de recherche
Implémentez l'architecture de l'interpréteur LLM to LM comme décrit dans l'article, en vous concentrant sur l'intégration d'un LLM pour la génération d'explications et son utilisation pour affiner un modèle de langage plus petit combiné à un GNN pour l'apprentissage de graphes avec attributs textuels.
Stack technique
pythonpytorch
Domaine
machine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
4
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
3-5 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Plutôt claire
Prérequis
PyTorchPyG basicsGNN knowledge
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
30