LLM e GNN insieme: giudici dei grafi

GNN-as-Judge è un framework che combina la comprensione semantica degli LLM con il feedback strutturale delle Graph Neural Networks per analizzare i cosiddetti Text-Attributed Graphs (TAG), grafi in cui i nodi sono associati a testo. Il problema classico delle GNN è che faticano a sfruttare la ricchezza semantica del linguaggio naturale, mentre gli LLM ignorano la struttura topologica del grafo. Questo approccio usa gli LLM come 'giudici' che valutano e raffinano le predizioni delle GNN, creando un loop di feedback iterativo che migliora entrambi i modelli. Il risultato è un sistema ibrido che supera le architetture precedenti su benchmark standard di node classification e link prediction.