cocktail DyG prompting

readme

データの準備

n、p、およびtパラメーターがgraph_data/graph_generator.py 、 text_data/text_generator.py 、およびtext_data/text_filter.py全体で一貫していることを確認してください。これらのファイルのパスを独自のストレージパスに更新してください。

ステップ1：グラフジェネレーター

python graph_data/graph_generator.py実行して、グラフを生成します。

ステップ2：テキストジェネレーター

python text_data/text_generator.pyを実行して、ステップ1のグラフに基づいてタスクを生成します。

ステップ3：テキストフィルター

python text_data/text_filter.pyを実行して、ステップ2のテキストを使用してデータをフィルタリングし、回答のある場合となしで同数のタスクを取得します。

プロンプト

ステップ1：独自のLLMクラスを実装します

api_LLM.pyおよびapi.pyのものと同様の独自のLLMクラスを実装します。実装により、 llm()使用して会話とclear_history()使用して、会話の履歴をクリアできるようにします。

ステップ2：推測

以下のコマンドを実行して、異なるプロンプトテンプレートを使用します。 COTパラメーターは、異なるプロンプトに対応します。

python infer.py --model_name Llama3.1 --COT NO --api_key your_api_key

ステップ3：評価します

以下のコマンドを実行して、精度を取得します。

python acc.py --model_name Llama3.1 --COT NO