跳到正文
arXiv · ML· Safal Thapaliya, Jiatan Huang, Chuxu Zhang·· 7 天前AI 评分28

LLM 标注者失效之处:基于 LLM 的图数据无标签学习

Where LLM Annotators Fail: Label-Free Learning on Graphs with LLMs

AI 导读

研究发现 LLM 标注误差不仅依赖类别,还依赖特征空间区域,同一类别内不同集群的可信度差异显著。 针对该问题,文章提出 CANE 框架,无需真实标签即可估计集群条件 LLM 可靠性,并据此筛选或纠正伪标签。 在多个图基准测试和 GNN 骨干网络上,CANE 表现优于最强无标签基线,在强集群条件噪声数据集上增益最大。

来源:arXiv · ML · arxiv.org