北邮GAMMA LAB一篇工作被IJCAI 2026Survey Track录用。

国际人工智能联合会议 International Joint Conference on Artificial Intelligence （IJCAI 2026）是人工智能领域的旗舰级会议，致力于涵盖和推动人工智能全栈技术的前沿发展，是国际人工智能领域历史悠久、影响力广泛的综合性顶会，同时也是中国计算机学会（CCF）推荐的B类国际学术会议。会议将于2026年8月15日-21日在德国不来梅召开。GAMMA LAB师生共有1篇论文成功入选 Survey Track。

Graph4LLM: A Systematic Survey of Graph-Enhanced Large Language ModelsGraph4LLM：图增强大语言模型的系统性综述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 ModelsXinyan Zhu, Cheng Yang, Qiuyu Wang, Zeyuan Guo, Yiding Wang, Zedi Liu, Chunchen Wang, Chuan Shi

摘要：大语言模型（LLMs）在自然语言处理任务中表现卓越，但受限于自身基于序列的建模本质，存在结构信息丢失、事实可靠性不足等固有缺陷。图结构可显式建模实体和关系，为解决上述问题提供了有效方案。为系统梳理图增强大语言模型的前沿研究，本文（Graph4LLM 综述）梳理了图结构如何融入大语言模型的输入、模型、输出全流程，并针对各阶段详解核心方法与技术；同时介绍了 Graph4LLM 具备显著应用潜力的各类场景；最后总结了构建更高效、更具可解释性的图增强大语言模型所面临的挑战与未来研究方向。

往期解读：综述导读 | Graph4LLM：图增强大语言模型的全景图