- 博客(1250)
- 收藏
- 关注
RSS订阅转载 技术动态 | RAG中的图谱构建误区及语音、推理加速方向技术进展
包括：MiMo-Audio-7B-Base、指令微调模型MiMo-Audio-7B-Instruct，MiMo-Audio-7B-Instruct可通过提示词切换非思考、思考两种模式，预训练数据超1亿小时，https://huggingface.co/XiaomiMiMo，技术报告：https://github.com/XiaomiMiMo/MiMo-Audio/blob/main/MiMo-Audio-Technical-Report.pdf。事件知识图谱抽取，是一个很正规的事情，与rag无关的。
2026-01-07 19:41:07
2
转载 技术动态 | DrKGC：突破传统知识图谱补全，动态子图检索与大模型的创新融合
然后，它利用一种新颖的自下而上的图检索方法，根据学到的规则提取每个查询的子图。候选集大小固定为20。：该问题的研究相关工作有基于结构的方法（如TransE、DistMult）、基于规则的方法（如Neural-LP）、基于文本的方法（如KG-BERT）以及生成式方法（如KICGPT、KoPA）。：选择了多类别的基线方法进行比较，包括基于结构的方法（如TransE、DistMult）、基于规则的方法（如Neural-LP）、基于文本的方法（如KG-BERT）以及生成式方法（如KICGPT、COSIGN）。
2026-01-04 19:40:55
4
转载 OpenKG祝大家2026新年快乐！
OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。2026，知识开启新序章！OpenKG团队向每一位知识探索者送上新年祝福。”为网，在数据的宇宙中共同绘制更璀璨的星辰大海。祝您探索不止，灵感常新，2026年新年快乐！新的一年，让我们继续携手，以“，进入 OpenKG 网站。
2026-01-01 08:50:25
29
转载 技术动态 | 大模型外部知识增强的进阶之路：从推理时文本融合到统一多模态检索增强
针对文本知识的融合痛点，我们首先介绍KGA（Knowledge Graph-guided Attention，知识图谱引导注意力机制），这是一种无需训练、在推理时即可将外部知识图谱动态融合进大语言模型的全新框架。实验表明，KGA不仅在知识问答、知识推理和知识编辑等任务上显著优于现有的上下文学习（ICL）和微调方法，还能通过减少不必要的token之间的交互来提升融合效率，为大模型在动态变化的环境中的落地应用提供了轻量级、高可用的解决方案。在多模态问答（MMQA）中，模型不仅要处理文本，还要理解图像。
2025-12-30 19:40:50
37
转载 直播预告 | OpenKG青年学术沙龙：“知识提取与融合技术前沿进展与创新应用”
其次，在记忆抽取阶段，我们构建了面向日常生活场景的个人知识schema，设计了基于种子数据的数据集构建策略，并提出了任务自适应的知识抽取方法，实现了从非结构化用户数据中高效提取个性化知识。实验表明，KGA不仅在知识问答、知识推理和知识编辑等任务上显著优于现有的上下文学习（ICL）和微调方法，还能通过减少不必要的token之间的交互来提升融合效率，为大模型在动态变化的环境中的落地应用提供了轻量级、高可用的解决方案。该工作以“元素-官能团-分子-反应-实验”为主线，构建覆盖化学反应全过程的统一知识表达框架。
2025-12-28 09:58:45
35
原创 论文浅尝 | G2S：一个用于大语言模型的时间知识图预测的通用到具体的学习框架（ACL2025）
输入格式为 “历史事实 + 查询”，历史事实按 “A (t):[A (s), A (r), A (o)]” 组织，查询按 “0:[A (s), A (r),?]” 组织，输出为正确答案的匿名 ID；, r, o, t）；实体 / 关系 ID：提供三种策略 —— 频率 ID（FID，按频率排序）、全局 ID（GID，数据集原始 ID）、随机 ID（RID，随机分配）；：保留实体 / 关系与匿名 ID 的映射关系，在输入开头添加 “实体映射”（A (e): e）和 “关系映射”（A (r): r）模块；
2025-12-25 19:40:16
561
转载 直播预告 | OpenKG学术研讨会报告：“知识提取与融合技术前沿进展与创新应用”
其次，在记忆抽取阶段，我们构建了面向日常生活场景的个人知识schema，设计了基于种子数据的数据集构建策略，并提出了任务自适应的知识抽取方法，实现了从非结构化用户数据中高效提取个性化知识。实验表明，KGA不仅在知识问答、知识推理和知识编辑等任务上显著优于现有的上下文学习（ICL）和微调方法，还能通过减少不必要的token之间的交互来提升融合效率，为大模型在动态变化的环境中的落地应用提供了轻量级、高可用的解决方案。该工作以“元素-官能团-分子-反应-实验”为主线，构建覆盖化学反应全过程的统一知识表达框架。
2025-12-23 16:34:02
44
转载 新闻动态 | 王昊奋：从虚拟偶像到OpenKG，以“顶天立地”践行AI技术的落地探索
随着社区发展，“OpenKG逐渐从开源数据扩展至开源工具、模型、经典案例、最佳实践乃至整体解决方案，致力于推动知识图谱的构建与应用，探索其如何与其他AI组件，包括当前的大模型技术，协同融合，起到了积极的推动作用。
2025-12-22 15:21:35
40
转载 技术动态 | 大模型构建知识图谱：VCPedia与Fractal KG的实战经验
本文基于VCPedia与Fractal KG的实战案例，详细分析了从数据抽取、实体解析、自动化建模到生产级运维的每一个决策点，并对相关技术要点和最佳实践做出梳理。本文深度解析了知识图谱在实际项目（如VCPedia和Fractal KG）中的构建经验，包括图谱自动化、实体消歧、属性与节点设计、文档分粒存储、跨域建模等多方面内容，并结合FalkorDB的例子给出了系统化实践建议。OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。
2025-12-19 19:40:42
43
转载 GPT-5.2并非全面升级，OneEval V1.3 最新“LLM+KB”评测结果出炉
在通用领域英文表格推理任务中，DeepSeek-V3.2-Thinking、Qwen3-Max、Hunyuan-2.0-Thinking 与 GPT-5.2-Thinking 能够准确识别德国选手身份，并在跨项目、多类别的复杂表格中完成稳定计数，整体推理结果与标准答案一致；人民法院准许参加诉讼的，列为共同原告。（2）《民诉解释》第289条：公益诉讼案件的裁判发生法律效力后，其他依法具有原告资格的机关和有关组织就同一侵权行为另行提起公益诉讼的，人民法院裁定不予受理，但法律、司法解释另有规定的除外。
2025-12-17 12:58:24
63
原创 论文浅尝 | 大语言模型在带超关系的知识图谱上的推理（ICLR2025）
通过实现多关系路径的同时表示和探索，ReKnoS 显著扩展了KG的推理搜索空间，同时避免了有价值信息的丢失。大量实验证明，ReKnoS 的性能超越了现有的SOTA基线，展示了超关系在推进复杂KG推理任务方面的潜力。当 N 从 3 降到 1 时，性能显著下降（例如 L=3 时，Hits@1 从 81.1% 降至 76.2%），表明 N（即搜索宽度）对框架性能至关重要。而 ReKnoS 在每一步中，LLM 评估的超关系数量最多为 N（即候选集大小），与深度无关，显著减少了LLM的调用次数。
2025-12-15 19:41:09
1100
转载 新闻动态 | 东南大学漆桂林教授担任SCI期刊《Knowledge Engineering Review》主编
工程及人工智能驱动的的数据和软件工程研究。专注于发表本领域的原创研究、综述、调研型综述、系统性论文、分析性论文、教程论文以及社论。OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。漆桂林教授，东南大学计算机科学与工程学院。虚假评论检测的最新进展：一项综合性综述。信息扩散分析：过程、模型、部署及应用。增量数据集中的高效用项集挖掘：综述。广告点击率预测算法的综合性综述。）的英文学术期刊，致力于传播。，进入 OpenKG 网站。
2025-12-12 16:41:55
44
原创 DeepSeek-V3.2、Gemini 3-Pro谁更会用知识库？OneEval V1.2公布最新LLM+KB评测结果
OpenKG 现正式发布全面升级的 OneEval V1.2。新版本在评测的广度和深度上均实现了显著扩展： 1）模型更广：纳入了7个最新模型，评测范围已经涵盖41个LLM。 2）数据更深：新增了经济，税务、学术文献领域高质量数据集。OneEval V1.2 致力于更全面、及时地追踪大模型在知识增强领域的前沿能力，为行业发展提供更具时效性与参考价值的评测基准。OneEval V1.2整体评测框架如图1所示。图1 OneEval评测框架示意图OneEval 由 OpenKG SIGEval 工作组持续维护，评测
2025-12-10 10:18:40
883
转载 技术动态 | 多模态GraphRAG的图谱构建及文档OCR多模态大模型可用合成数据集
基于IDEFICS3 架构，VIT采用siglip2-base-patch16-512(https://huggingface.co/google/siglip2-base-patch16-512)与 Granite 165M LLM，https://huggingface.co/ibm-granite/granite-docling-258M，https://docling-project.github.io/docling/3，实例层KG（InstanceKG）构建。转载公众号 | 老刘说NLP。
2025-12-08 19:40:21
68
转载 技术动态 | AutoGraph：一种知识图谱框架，用于在数字化核控制室中模拟界面交互和自动化程序执行
然而，现有的基于计算机的程序（CBPs）通常缺乏与人类系统界面（HSIs）的语义集成，限制了它们支持智能自动化的能力，并增加了人为错误的风险，特别是在动态或复杂的操作条件下。例如，在实验中，AutoGraph识别了任务“检查参数0KBE10CP007的值”的多动作步骤，并利用ACT-R模型预测了任务完成时间为37.107秒，计算的人为错误概率为8.2×10^-3。：然后，开发了一种映射机制，将程序步骤转换为界面元素知识图谱（IE-KG）内的可执行路径，从而识别复杂的多动作步骤。
2025-12-05 19:40:42
49
原创 论文浅尝 | 一种用于时态知识图谱推理的生成式自适应重放持续学习模型（ACL2025）
前者通过预训练扩散模型生成历史分布并强化跨分布共性特征，后者以分层自适应融合方式整合历史与当前分布，高效缓解分布冲突。编码器架构，通过前向扩散（向实体嵌入添加高斯噪声）与反向去噪（从噪声中重构实体分布）预训练，具备从提示中复现知识的能力。，以包含实体关联关系与时序信息的提示作为重放数据采样单元，保障历史语义完整性，突破传统单事实采样的局限性。突破传统单事实采样的局限性，保留实体完整历史语义，为后续历史分布生成提供高质量输入。，通过整合完整历史上下文与缓解分布冲突，有效解决知识遗忘问题，为动态场景下的。
2025-12-03 19:40:25
962
转载 技术动态 | 知识图谱用于复杂推理数据合成DeepDive、GDR清洗敏感信息及领域知识注入实现思路
，https://arxiv.org/pdf/2509.10446， https://github.com/THUDM/DeepDive，核心思路还是解决复杂推理监督数据【现有QA数据集（如HotpotQA、2WikiMultiHopQA）问题简单，仅需少量明确实体搜索，模拟真实场景中“多模糊实体+多跳推理”的深度搜索需求差，且人工标注高难度数据成本高、难规模化】。，通过全量或部分微调，将知识嵌入模型参数，训练获取编码领域知识的参数，推理时无需外部调用，优势在于推理速度快，无额外成本，性能较强。
2025-12-01 19:40:52
80
转载 新闻动态 | OpenKG走进OPPO学术沙龙成功举办
多位专家分别从符号与神经参数的互通、长链条任务中的自主推理与角色一致性、多源知识图谱的检索与迭代式推理、跨行业应用中的知识工程实践，到类人长期记忆架构的设计。，智能体要实现个性化服务，须能够处理并组织多类型用户数据，并将其与稳定的知识体系相结合，仅依赖数据堆积无法实现长期、深度、稳定的个性化体验。OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。，深入探讨了长期记忆、持续学习、行为习惯建模等关键技术。，进入 OpenKG 网站。
2025-11-28 19:40:18
60
转载 技术动态 | BEKO：大语言模型与知识图谱的双向增强-吴信东
例如，在DocRED数据集上，基于GPT-4o的BEKO方法的F1值为0.743，比同样基于GPT-4o的GraphRAG方法提升了1.2%；在DocRED数据集上，基于GPT-4o的BEKO方法的F1值为0.743，相比于GraphRAG提高了1.2%，比Naive RAG提升了5.1%，比Only LLM方法提升了3.5%。：BEKO方法在不同的大模型上均表现出显著的增强效果，无论是在基于当前最先进的大模型GPT-4o，还是在性能较弱的GPT-4o-mini上，BEKO方法的表现均优于其他方法。
2025-11-26 19:40:32
128
原创 论文浅尝 | 利用条件语句激发和提升大语言模型的因果推理能力（CL2025）
这些发现表明，代码，特别是代码中的条件语句，通过提示和微调在引发和提高语言模型的因果推理能力方面可以发挥重要作用。证明，在执行复杂因果推理任务时，代码语言模型优于相同结构的通用语言模型。的训练数据观察到最大的性能提升，这表明仅用少量（少于一千条）条件语句代码，模型的因果推理能力就能大幅提高。代码语言模型在大多数设置下仍然优于相应的通用语言模型，并且对于大多数模型来说，代码提示优于文本提示。代码大语言模型比通用大语言模型更擅长因果推理，并且对于大多数模型来说，代码提示比文本提示更有效。
2025-11-24 19:40:32
440
转载 技术动态 | 知识图谱如何用于生成大模型复杂多跳推理数据？基于wiki百科+迭代合成的思路
注意，还特意做的模糊化，用来提升问题难度，例如，时间模糊化:"2019年"→"某个以9结尾的年份"，*机构模糊化**:"清华大学"→"位于北京的知名理工科大学"，人物模糊化:"张三教授"→"某位在该领域有重要贡献的学者"，数值模糊化："50万人"→"规模约为中等城市人口的群体"。，如果当前没有搜索树，使用默认问题启动循环，生成PlannerAgent的提示，调用OpenAIAPI获取PlannerAgent的输出，从输出中提取动作和实体，如果API调用失败，任务终止。
2025-11-21 19:41:04
137
转载 技术动态 | 中医药知识图谱与大模型融合的智能中药处方生成模型
本文提出了一种基于TCM KG和LLM的智能中药处方生成模型TCM-KLLaMA，通过新的输出层和SMKI机制有效减少了幻觉现象，提高了处方生成的准确性。在将知识从KG注入文本表示或模型时，由于语言的多样性和复杂性，输入文本中的症状描述可能与KG中的实体同义，导致精确匹配失败，限制了知识注入的效果。，结合同义词词典和相似性匹配，实现了高效的知识检索和注入。改进了大型模型的输出层和训练损失函数，有效抑制了在药物推荐过程中生成无关或错误信息的现象，验证了大型模型在生成中医药处方任务中的强大能力。
2025-11-19 19:40:50
121
原创 论文浅尝 | 通过自适应对数融合与注意力重分配提升多模态大语言模型的知识利用率（NeurIPS2025 Oral）
参数化知识与检索所得的上下文知识之间可能发生冲突，即使情境知识正确，模型仍倾向于过度依赖自身参数知识，导致上下文知识利用不足并产生错误回答。为此，本研究提出了一种无需训练即插即用的方法，通过动态调整注意力分配并平衡两类知识，以促进多模态大语言模型更有效地利用检索增强生成中的上下文知识，从而提升其在多种任务中的回答准确性。视觉标记与上下文标记之间存在注意力偏差，模型在浅层往往更关注图像标记，而图像本身对于知识密集型问题通常信息不足，同时模型对所有上下文标记给予均等关注，未能突出查询相关的重要知识；
2025-11-17 19:40:18
433
转载 征稿截止日期延期 | 第3届神经符号融合研讨会@ AAAI 2026
尽管多步推理与代码提示可提升模型性能，但LLMs是否具备真正的符号推理能力仍不确定，这也带来了潜在风险。随着首个无需训练数据即可实现严格（symbolic-level）三段论推理的“球神经网络”（Sphere Neural Network）出现，本次研讨会旨在汇聚自然语言处理（NLP）与知识图谱（KG）推理领域的学者与实践者，探讨神经与符号方法的结合、复杂推理的学习与蒸馏等问题。用于自然语言处理（NLP）的神经-符号解析方法 (Neuro-symbolic parsing methods for NLP)
2025-11-14 19:40:32
104
转载 技术动态 | HaluMem：让AI记忆系统的“幻觉”现形——首个面向记忆系统的操作级幻觉评测基准
如图2所示，HaluMem 首创了三阶段幻觉拆解机制（记忆抽取、记忆更新、记忆问答），并构建了上下文超过 100万 tokens 的人机对话数据集，系统性地揭示主流记忆系统（Mem0、Memobase、Supermemory 、Zep等）在不同阶段的幻觉模式与传播规律。要实现长期、可信的智能行为，需要构建更稳健的长期记忆体系，同时提升提取与更新效率与质量，并强化推理能力与自适应机制，以支撑复杂、动态和多轮任务的智能交互。在时效性分析中，我们比较了各记忆系统在“写入对话”与“记忆检索”两个阶段的耗时表现。
2025-11-12 10:45:45
184
转载 技术动态 | 突破传统限制：AutoSchemaKG如何实现全自动知识图谱构建
值得注意的是，我们的模式归纳实现了与人工制定的模式95%的语义对齐，且零手动干预，展示了其强大的能力。AutoSchemaKG展示了在无需专家干预的情况下，构建数十亿规模的知识图谱的可能性，为大语言模型中的参数知识提供了有价值的补充。，指导大型语言模型检测文本中的事件之间的因果、时间或逻辑关系，生成(v1,r,v2)形式的三元组，其中v1和v2是事件节点，r是关系类型。：AutoSchemaKG引入了一种新的方法，可以从文本中直接生成全面的模式，无需预定义的本体，同时保持语义一致性和领域覆盖范围。
2025-11-10 19:40:59
154
原创 论文浅尝 | RAG4GFM：通过图检索增强生成弥合图基座模型的知识缺口（NeurIPS2025）
实验表明，该框架在跨领域、跨任务场景下均能带来稳定且显著的性能增益，同时保持计算与内存的高效性。OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。图表示学习近年来在电商推荐、知识图谱、分子发现等领域取得了显著进展。：生成虚假节点特征、臆造不存在的边，导致与真实图结构背离，降低业务可信度。），仍需反向传播与梯度存储，耗时数小时至数天，且易引发灾难性遗忘。图），自适应选择特征子空间与检索算子，并采用倒数排序融合（
2025-11-07 19:40:18
633
转载 技术动态 | ByoKG-RAG方案：用于知识图谱问答的多策略图检索
通过基于图的重排检索排名前k的三元组，这个思路为给定链接的实体E和查询q，图重排器模块通过重排，在E的L跳邻域内的三元组来检索前K个最相关的三元组，重排阶段采用交叉编码。LLM作为知识图谱链接器（KG-Linker），生成多样化的图构件，然后通过专门的图工具将这些构件链接到知识图谱中，并通过多种检索方法检索相关上下文。，作为补充方法，通过捕捉可能被直接检索遗漏的相关事实来工作，采用两种方法：agent遍历和基于评分的检索。，基于文本的检索方案，基于问题-三元组的嵌入相似性检索排名前k的三元组。
2025-11-05 19:40:39
82
转载 技术动态 | LinKQ可视化：大模型与图谱双轮驱动下的可信知识发现工作流之旅
通过对14位从业者的定性评估，我们发现，由于LinkQ的“有用”可视化效果，即使用户的LLM回答有误，用户也倾向于过度信任LinkQ的输出。此外，研究还表明，LLMs辅助的KG系统应根据用户的经验和知识水平进行定制，以避免一刀切的设计。尽管LinkQ的设计初衷是帮助用户理解LLM的工作流程，但研究发现用户有时会过度信任LLM的输出，尤其是在可视化设计“直观”的情况下。这些结果表明，虽然可视化设计有助于提高用户对LLMs的信任度，但也需要解决过度信任的问题，以提高系统的可靠性和用户的使用体验。
2025-11-03 19:40:54
66
原创 论文浅尝 | 图约束推理：在知识图谱上实现大语言模型的忠实推理（ICML2025）
GCR（Graph-constrained Reasoning，图约束推理）框架的核心思想，是将结构化的知识图谱（Knowledge Graph, KG）直接融入大语言模型（LLM）的解码过程，使模型在生成推理路径时受制于图结构，从而确保推理过程的真实性与可解释性。GCR旨在将KG中的结构化知识与LLM的非结构化推理能力无缝结合，通过一种创新的解码机制，确保LLM的每一步推理都有据可循，从而实现零幻觉的忠实推理。实验表明，即使仅使用0.5B参数的小模型，通过这种图约束训练，也能在KG推理中取得优异性能。
2025-11-01 19:41:04
1019
转载 技术动态 | 构建自我进化的知识图谱：AI Agent系统赋能新时代
一方面，科技日新月异，业务与技术的模式远非2024年初可同日而语，从编码、管理到日常操作，变化的步伐不断加快。一旦需求发生变化，比如原来表格只存储身高体重，没有考虑职业，如果后期需要分析职业与健康的相关性，不得不重新设计表结构、重复抽取数据，效率低下且容易出错。真正的突破，在于让知识随新数据持续自我丰富与完善，就像人类大脑的认知，不断积累、强化、多维连接。实体、属性、关系全部可以无缝映射至图谱，同时保持数据治理、版本控制与访问规则的不变，提升数据响应业务场景的弹性与智能度。
2025-10-30 19:40:32
102
转载 技术动态 | 时序感知知识图谱驱动企业智能未来：Graphiti如何革新大模型AI Agent记忆
结合Neo4j的强大支持，Graphiti不仅解决了动态数据处理的核心难题，还为未来的智能代理系统提供了坚实的记忆基础设施。本文深入探讨了Zep AI推出的Graphiti框架，一种基于图数据库构建的实时、时序感知的知识图谱引擎，旨在为AI代理提供动态记忆支持。传统的RAG方法在数据频繁更新的场景中往往力不从心，无法为基于代理的系统提供有效的支持。本文将详细解析Graphiti的工作原理，并将其与微软研究的GraphRAG（一种基于查询聚焦摘要的实现方式）进行对比，探讨其在动态数据环境中的独特优势。
2025-10-25 19:40:48
213
原创 论文浅尝 | LightPROF：一种轻量级推理框架，用于大型语言模型在知识图谱上的应用（AAAI2025）
尽管大型语言模型在知识图谱上的推理展现出巨大潜力，但仍然面临若干挑战：首先，知识图谱的内容通常以大量文本内容的形式直接表示，这无法有效传达其图结构中对推理至关重要的丰富逻辑关系。的高效推理，开发了一种精细的知识适配器，可以有效解析图结构并进行细粒度的信息整合，从而将推理图凝聚为较少的令牌，并通过投影器与。通过以更细的颗粒度结合文本信息和结构细节，知识适配器帮助模型深入理解推理图中的知识，从而实现更精确的推理。的编码阶段，我们将表示推理图的知识软提示插入硬提示的特定位置，以有效地注入外部知识。
2025-10-23 19:40:55
454
转载 SIG动态 | OpenKG召开KAG知识增强生成开源框架工作讨论会
本次会议进一步明确了接下来的工作重点，为后续的开发与社区协作打下了基础。：利用MCP（Model Context Protocol）框架作为实现知识图谱工具调用的核心，并讨论了工具调用的接口规范化与技术路径，以促进社区协作与工具共建。：为提升框架的轻量化与灵活性，社区计划对KAG进行解耦和模块化重构，并开发独立的WebUI界面，使其能够更方便地适配和应用于不同领域。OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。
2025-10-21 16:55:02
65
转载 征稿通知 | 第三届神经符号融合研讨会@AAAI 2026
随着首个无需训练数据即可实现严格（symbolic-level）三段论推理的“球神经网络”（Sphere Neural Network）出现，本次研讨会旨在汇聚自然语言处理（NLP）与知识图谱（KG）推理领域的学者与实践者，探讨神经与符号方法的结合、复杂推理的学习与蒸馏等问题。探索结合符号与神经架构的混合模型的创新应用 (Innovative applications of hybrid models combining symbolic and neural architectures)
2025-10-18 10:59:43
197
转载 开源开放 | EasyEdit升级新版本提升大模型调控能力
推理时干预和调控指的是：在不修改模型参数的前提下，在模型推理阶段对生成过程进行即时控制。具体来说，它通过注入可组合的干预向量（steering vectors）、调整提示结构（prompting），或者修改解码策略（decoding methods，例如温度采样、束搜索、采样概率重加权等），来引导模型输出符合目标行为。对比命令行输出中的模型原始响应（Orig Output）与干预后的响应（Steered Output），可以清楚看到思维链被显著缩短，同时答案保持正确，实现了预期的行为控制。
2025-10-15 19:06:32
141
转载 会议交流 | 知识驱动下的复杂推理与应用——第九届知识图谱技术论坛 | CNCC
以一作或通讯作在Nature Machine Intelligence、Nature Computional Science, Nature Communications、NeurIPS、ICLR、ICML、IJCAI、AAAI、ACL、EMNLP、WWW、KDD、VLDB、ICDE、SIGIR、ACM Computing Survey、Proc. IEEE等国际顶级会议或期刊上发表多篇论文。本报告将介绍当前知识图谱增强的 Agent在华为鸿蒙（小艺），以及金融、医疗、工业等多个行业中的应用。
2025-10-14 15:57:34
259
转载 技术动态 | DO-RAG：一种使用知识图谱增强检索辅助生成的领域特定问答框架
这些发现展示了DO-RAG在特定领域中提供稳健、高精度问答的有效性，统一了结构化知识表示和生成推理，为可扩展和自适应的信息系统提供了可靠的基础。：该问题的研究相关工作有：早期基于规则的方法、集成结构化知识的先进方法、大型语言模型（LLMs）在通用领域的应用、以及RAG框架在提高事实一致性的应用。：在数据库和电气工程领域的专家策划基准测试中，DO-RAG实现了接近完美的上下文召回率和超过94%的答案相关性，比现有RAG平台高出高达33.38%。答案相关性、上下文精确度和忠实度的变化揭示了模型之间的特定优势。
2025-10-13 19:40:29
111
原创 论文浅尝 | 基于知识的视觉问答中模态感知与大语言模型的集成（ACL2024）
该方法首先通过精心设计的提示挖掘大语言模型中的隐式知识构建耦合图（即场景图和概念图），然后使用伪孪生图中介融合机制，整合各种多模态信息，实现预测。该方法利用两个图中共享的提及实体作为中介，实现紧密的跨模态信息交互，同时通过将融合限制在中介部分，最大限度地保留模态内部的深层学习能力。现有的方法已经尝试将大语言模型（LLMs）作为隐式知识引入，然而这些方法仍然面临一些挑战：其一：LLMs 存在幻觉，其二：多源知识（如图像、知识图谱与 LLMs）之间难以在复杂场景中实现对齐。中相同中介节点的表示。
2025-10-10 19:40:37
451
转载 技术动态 | 知识图谱本体生成：RAG用于Mysql数据转换及非结构化文本生成思路
（https://arxiv.org/pdf/2506.01232），介绍了一种名为RIGOR（Retrieval-augmented Iterative Generation of RDB Ontologies）的方法，用于将关系数据库转换为丰富的OWL本体。》（https://arxiv.org/pdf/2506.00664），提到一种在从非结构化知识库中提取本体的方法，重点关注电气继电器文档，也是对上面文章的补充。，通过聚类关键元素形成本体类，并将关系投影到这些类上，形成知识图谱；
2025-10-08 19:40:30
141
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人