Enhancing Large Language Models with Knowledge Graphs via Infuser-Guided Knowledge Integration

本文是LLM系列文章，针对《InfuserKI: Enhancing Large Language Models with Knowledge Graphs via Infuser-Guided Knowledge Integration》的翻译。

摘要

尽管大型语言模型（LLM）在不同领域都表现出了非凡的开放生成能力，但它们在知识密集型任务中举步维艰。为了缓解这一问题，已经提出了使用外部模块通过特定领域的知识图谱来增强LLM的知识集成方法。然而，它们的数据效率低下，因为它们需要已知和未知的知识来进行微调。因此，我们研究了一个新的问题，即在没有已知知识不必要重叠的情况下，将未知知识有效地集成到LLM中。注入新知识会带来遗忘先前获得的知识的风险。为了解决这一问题，我们提出了一种新的Infuser-Guided Knowledge Integration（InfuserKI）框架，该框架利用Transformer内部状态来确定是否用附加信息增强原始LLM输出，从而有效地减轻知识遗忘。对UMLS-2.5k和MetaQA领域知识图的评估表明，InfuserKI可以有效地获取新知识，并在减少知识遗忘方面分别优于最先进的基线9%和6%。

1 引言

2 相关工作

3 提出的框架InfuserKI

4 实验

5 结论

在这项研究中，我们解决了一个新问题，即在不影响现有知识的情况下，将K