pyg-team/pytorch_geometric

Implementation of LLM-to-LM GNN

Open

#9 361 ouverte le 26 mai 2024

Voir sur GitHub
 (3 commentaires) (0 réactions) (1 assigné)Python (3 514 forks)batch import
1 - Priority P1examplefeaturehelp wanted

Métriques du dépôt

Stars
 (19 985 stars)
Métriques de merge PR
 (Merge moyen 16j 3h) (13 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
Étudiez l'article ICLR 2024 'Harnessing Explanations: LLM to LM Interpreter for Enhanced Text Attributed Graph Representation Learning'. L'implémentation nécessite de combiner un LLM (par exemple de Hugging Face transformers) avec un modèle GNN dans PyTorch Geometric. Suivez l'architecture décrite dans la Section 3. Consultez les exemples PyG existants comme référence, par exemple 'examples/ogbn arxiv.py' pour la classification de nœuds. Implémentez un nouveau module 'LLMtoLMGNN' dans torch geometric.nn. La fonctionnalité n'est pas encore attribuée, donc les contributions sont les bienvenues. Assurez vous d'inclure une documentation et des tests appropriés.
Stack technique
python
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.
5
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Plus d'une semaine
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.
Claire
Prérequis
PyTorch Geometric basicsGraph Neural NetworksUnderstanding of LLMsPaper reading comprehension
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
20