用于评估大语言模型复杂图推理能力的统一多维基准

英文标题：Unified Multi-Dimensional Benchmark for Complex Graph Reasoning in Large Language Models

该论文提出了一个用于评估大语言模型（LLM）复杂图推理能力的统一多维基准。论文指出，图推理任务可通过程序化方式生成，能够控制结构复杂度，并可自然扩展至长输入场景，因此适合作为检验 LLM 推理能力的测试平台。现有相关研究仍存在不足，而该基准旨在提供更系统的评估框架。对于开发者和行业而言，这类基准有助于比较模型在结构化推理、复杂关系理解及长上下文图任务中的实际能力。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB