北郵GAMMA LAB一篇工作被IJCAI 2026 Survey Track錄用。

國際人工智能聯合會議 International Joint Conference on Artificial Intelligence （IJCAI 2026）是人工智能領域的旗艦級會議，致力于涵蓋和推動人工智能全棧技術的前沿發展，是國際人工智能領域歷史悠久、影響力廣泛的綜合性頂會，同時也是中國計算機學會（CCF）推薦的B類國際學術會議。會議將于2026年8月15日-21日在德國不來梅召開。GAMMA LAB師生共有1篇論文成功入選 Survey Track。

Graph4LLM: A Systematic Survey of Graph-Enhanced Large Language Models
Graph4LLM：圖增強大語言模型的系統性綜述
Xinyan Zhu, Cheng Yang, Qiuyu Wang, Zeyuan Guo, Yiding Wang, Zedi Liu, Chunchen Wang, Chuan Shi

Graph4LLM: A Systematic Survey of Graph-Enhanced Large Language Models
Xinyan Zhu, Cheng Yang, Qiuyu Wang, Zeyuan Guo, Yiding Wang, Zedi Liu, Chunchen Wang, Chuan Shi

摘要：大語言模型（LLMs）在自然語言處理任務中表現卓越，但受限于自身基于序列的建模本質，存在結構信息丟失、事實可靠性不足等固有缺陷。圖結構可顯式建模實體和關系，為解決上述問題提供了有效方案。為系統梳理圖增強大語言模型的前沿研究，本文（Graph4LLM 綜述）梳理了圖結構如何融入大語言模型的輸入、模型、輸出全流程，并針對各階段詳解核心方法與技術；同時介紹了 Graph4LLM 具備顯著應用潛力的各類場景；最后總結了構建更高效、更具可解釋性的圖增強大語言模型所面臨的挑戰與未來研究方向。

往期解讀：綜述導讀 | Graph4LLM：圖增強大語言模型的全景圖