一种基于图工具指令学习的图推理大语言模型构建方法

本发明提出了一种基于图工具指令学习的图推理大语言模型构建方法，旨在全面提升模型在图推理任务中的工具调用准确性与任务泛化能力。本发明一是通过设计明确的图信息提取与任务信息提取流程，结合正则化处理方法，优化模型对自然语言中图拓扑信息的理解能力，从而显著减少工具调用失败和错误结果的发生，能够有效提升模型在图推理任务中的执行效率和结果准确性。二是通过构建多样化的图推理任务生成规则和高质量的图推理任务数据集GTools，覆盖多种任务类型和不同规模的图结构，增强模型对复杂图问题的适应能力。同时，采用参数高效的低秩适应方法对模型进行微调，使模型能够适应各类图推理任务以及包含更复杂图信息的推理问题。