图神经网络迎来新突破思维链推理刷新图学习表现上限
思维链竟能用在图数据上？
中科大等团队提出了一个叫GCoT的新框架，它把语言模型里的“思维链”方法搬到了图数据上。这是首次尝试在没有文本信息的图数据上搞链式推理。
图数据结构复杂、缺少文字，传统提示学习方法在这儿很难发力。GCoT的核心点就是“拆步骤”：
- 首先输入图和提示，预训练模型做初步推断；
- 然后融合多层隐藏表示，生成一份叫“思维”的中间表达；
- 接着用这个思维来生成节点专属提示，继续下一步推理。
为了验证效果，研究团队在八个数据集上测了 GCoT 的表现。结果在1到5个样本这么少的情况下，GCoT还是稳压其他SOTA模型。
