LLMNodeBed

统一基准，对比LLM节点分类算法，复现ICML论文结果。

LLMNodeBed 是 ICML 2025 论文《A Comprehensive Analysis on LLM-based Node Classification Algorithms》的官方实现，专注于图节点分类任务。它系统评估了多种基于大语言模型（LLM）的节点分类算法，解决了该领域缺乏统一基准和公平比较的问题。项目提供统一的实验框架，集成了多种主流方法（如基于文本编码、图神经网络结合LLM等），并支持多种数据集，便于研究者复现论文结果、对比算法性能。核心能力包括：标准化评估流程、多算法集成、可扩展的数据集接口，以及详细的性能分析工具。该工具旨在推动LLM在图学习领域的应用研究，帮助研究者快速验证新想法。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 74

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队WxxShirley

所属国家

官网地址https://llmnodebed.github.io

GitHubhttps://github.com/WxxShirley/LLMNodeBed

定价模式free

价格说明开源项目，无在线服务，需自行部署，完全免费。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型gnn,graph-learning,graph-neural-networks,large-language-models,node-classification

GitHub 星标★ 74

30天Star增速

HF 下载量

上线时间2024-09-09 00:00:00

最近更新2026-08-17 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

官方实现，代码与论文严格对应，复现可靠
集成多种LLM节点分类算法，对比公平
模块化设计，便于扩展新算法和数据集

不足之处

文档/社区待观察
依赖较多，环境配置可能复杂

适用场景

学术研究：复现论文实验，对比不同LLM节点分类方法
算法选型：评估LLM在特定图数据上的分类效果
教学演示：展示LLM在图学习中的前沿应用

替代项目

GraphGPT、NodeFormer、GNN-LM

项目介绍

LLMNodeBed 是模型训练领域的开源项目，由 WxxShirley 开发，2024 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 74。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-17。无在线服务，需自行部署，完全免费。

它主要面向的使用场景是：学术研究：复现论文实验，对比不同LLM节点分类方法。同类可对比的替代方案包括 GraphGPT、NodeFormer、GNN-LM。

上一篇：CausalMM

下一篇：Flipped-Learning