本研究提出了一种创新方法，将图学习视为检索增强生成（RAG）过程，以提升大型语言模型处理结构化数据的能力。研究表明，该框架显著改善了模型在图相关任务中的表现，且无需进一步调整。

本调查提出了一种新的分类法，将现有方法根据LLMs在图相关任务中的角色分为三类，并对这三类中的代表性方法进行了调查。还讨论了现有研究的局限性，并强调了未来研究的有希望的方向。