본 논문은 대규모 언어 모델(LLM)을 활용한 그래프 신경망(GNN) 자동 설계의 어려움을 해결하기 위해, 지식 중심 프레임워크인 DesiGNN을 제안한다. DesiGNN은 기존 모델 설계 경험을 구조화된 지식 사전으로 변환하여 LLM의 메타 학습에 활용하고, 벤치마크와 LLM을 통한 문헌 분석을 통해 경험적 특성 필터링과 적응적 정보 수집을 수행한다. 이를 통해 미지의 그래프 데이터에 대한 이해와 효과적인 아키텍처 패턴 간의 메타 지식을 구축하여, 짧은 시간 내에 최상위 수준의 GNN 모델을 제안하고, 기존 방법보다 훨씬 적은 비용으로 우수한 성능을 달성한다.
