KCoT: Un framework unificato per l'apprendimento di grafi con Chain-of-Thought
Un recente articolo su arXiv (2605.24867) reinterpreta il prompting Chain-of-Thought (CoT) per grafi con attributi testuali (TAG) attraverso la prospettiva del clustering come ragionamento, presentando un framework basato su k-means per il ragionamento iterativo con dati strutturati a grafo. Gli autori notano che gli attuali approcci CoT per grafi dipendono da architetture separate e rappresentazioni statiche del grafo, che ostacolano le interazioni semantiche-topologiche passo-passo e la chiarezza. Per superare queste limitazioni, introducono KCoT, un framework completo che fonde il ragionamento CoT con l'apprendimento di rappresentazioni di grafi. Un significativo risultato teorico stabilisce una corrispondenza matematica formale tra un blocco Transformer e l'algoritmo k-means, permettendo di vedere il ragionamento come una serie di processi di assegnazione e aggiornamento. Propongono anche un Prompt di Discriminazione Semantica. Questo articolo è una prestampa e non ha ancora subito una revisione paritaria.
Fatti principali
- L'articolo arXiv 2605.24867 propone il framework KCoT
- KCoT integra il ragionamento Chain-of-Thought con l'apprendimento di rappresentazioni di grafi
- Stabilisce una corrispondenza formale tra un blocco Transformer e l'algoritmo k-means
- Affronta le limitazioni delle architetture disgiunte e delle rappresentazioni fisse del grafo nei metodi CoT per grafi esistenti
- Introduce il Prompt di Discriminazione Semantica
- L'articolo è una prestampa, non sottoposto a revisione paritaria
- Si concentra su grafi con attributi testuali (TAG)
- Riformula il CoT come clustering come ragionamento
Entità
Istituzioni
- arXiv