- 博客(104)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 零噪声知识图谱提取革命：构建自适应本体驱动GraphRAG系统
本文探讨了传统GraphRAG系统在真实场景中的痛点，如实体重复、数据丢失和可追溯性缺失，并提出本体操作系统（Ontology Operating System）作为解决方案。该框架通过YAML定义本体、LLM驱动提取、实体解析和自进化机制，实现零噪声知识图谱构建。适用于医疗、金融等专业领域，帮助专家和投资人构建可靠的企业级知识系统。
2025-12-24 12:17:54
273
原创 [100页基于1000名美国医生调研的重磅医学AI深度研报]：2025年医师AI现状——被忽视的临床“控制权”危机与万亿赛道的真实痛点
美国权威医生数字平台发布的《2025年医师AI报告》揭示了医疗AI领域的巨大错位：67%的医生已在日常使用AI，且84%认为AI提升了工作表现，但高达81%的医生对所在机构的AI部署速度和策略感到不满。核心矛盾并非技术恐惧，而是控制权的丧失——医生渴望从行政负担中解脱，却担忧被不懂临床的管理层强推即使并不适用的工具。报告呼吁让医生重掌主导权，以避免职业倦怠加剧 。
2025-12-23 15:56:53
365
原创 ［谷歌最新白皮书］嵌入与向量存储：打开AI多模态数据处理的钥匙
本文深入探讨嵌入技术与向量数据库在现代机器学习中的核心作用。嵌入将文本、图像、音频等异构数据转换为统一的向量表示，实现高效的语义搜索和检索。文章详细介绍了嵌入的原理、类型、向量搜索技术及实际应用场景，特别强调了在检索增强生成(RAG)等前沿应用中的价值。
2025-12-22 11:05:52
506
原创 AI人机协同辅助编辑：医生如何精炼大模型生成的患者查询答案
本研究探讨大语言模型(LLM)辅助医生回答患者问题的效果。通过混合方法研究9名眼科医生处理144个白内障手术问题，比较三种方式：独立撰写、直接编辑LLM草稿和指令式编辑。结果显示LLM生成内容通常准确但需医生监督，主要编辑形式为上下文适应(调整术语和实践规范)。指令式编辑降低工作量但可能引入错误，直接编辑确保精确但耗时。医生普遍认为LLM能提高效率，但需防范自动化偏差，并将专业内容转化为患者友好形式。研究为医疗AI系统的安全部署提供了设计启示，强调保持"人类在环"的重要性。
2025-12-22 11:04:08
874
原创 因果知识图谱增强大模型重构生命历程风险路径和慢病防控新范式：从妊娠期糖尿病到痴呆症的研究突破
本研究创新性地开发了知识图谱增强的大语言模型框架，通过整合35,010个流行病学文献语义三元组，成功重构了妊娠期糖尿病(GDM)到痴呆症的风险路径。研究采用四种渐进式图检索增强生成策略，识别出108个潜在中介变量，验证了"最小充分背景知识"优于海量数据的科学推理原则。该方法显著提升了风险路径发现的准确性和效率，为生命历程流行病学研究提供了新范式，同时揭示了AI在临床评估中的乐观偏差，强调了人机协作的重要性。该成果对慢性病早期预防和队列研究设计具有重要指导价值。
2025-12-21 10:21:59
968
原创 Google突破性大模型系统Adjudicator：多智能体+知识图谱攻克数据自动标注的机器学习‘噪声标签‘顽疾
本文介绍了Google研发的Adjudicator系统，通过结合知识图谱与多智能体大语言模型架构，自动识别和纠正机器学习训练数据中的噪声标签。该系统在AlleNoise基准测试中达到0.99的F1分数，显著优于单一LLM基线（0.48）和非知识图谱多智能体系统（0.59），为工业环境中的高精度数据验证提供了重要解决方案。
2025-12-20 12:50:02
767
原创 【102页最新综述】AI智能体时代的记忆系统：形式、功能与知识图谱长记忆动态机制全景解析
本文系统综述了AI智能体记忆系统的研究进展，提出了"形式-功能-动态"三维分类框架。记忆作为智能体核心能力，支撑长期推理、持续适应和复杂交互。研究详细分析了记忆的三种形式（令牌级、参数化、潜在）、三类功能（事实、经验、工作）及其演化机制，并探讨了当前技术挑战和未来方向，为智能体研究提供了系统性理论基础。
2025-12-19 18:43:17
1215
原创 [80页中英文报告]李飞飞最新Agent AI 重磅研究报告：多模态交互的未来前沿及在具身智能、医疗领域应用
AgentAI作为迈向通用人工智能（AGI）的关键路径，通过整合多模态感知与行动能力，正在重塑AI系统发展。本文系统阐述了AgentAI的核心框架，重点探讨了LLMs与VLMs的融合如何增强代理的规划、记忆和适应能力。研究覆盖游戏、机器人和医疗三大应用领域，展示其产业变革潜力。同时提出新型训练范式以桥接虚拟与现实，并分析伦理挑战。该领域预计2030年市场规模将超万亿美元，为产学研界提供重要发展机遇。
2025-12-19 18:41:16
913
原创 斯坦福CS520知识图谱课程深度解析：从理论基础到工业应用的前沿指南［附中英文 PPT］
斯坦福大学CS520知识图谱课程是面向研究生的专业研讨会，系统讲解知识图谱的理论与实践。课程由Vinay K. Chaudhri等专家主讲，涵盖数据模型、构建方法、推理算法及工业应用等核心内容，结合特邀讲座展示前沿技术。特色包括：1）完整知识体系，覆盖知识图谱全生命周期；2）跨学科融合AI、数据库与人机交互；3）来自Google、Amazon等企业的实战案例；4）开放共享所有课程资源。该课程适合AI研究人员、企业技术专家及投资人深入了解知识图谱技术及其在搜索、电商、金融等领域的应用。
2025-12-17 12:32:38
1398
原创 AdaptBot：融合大模型、知识图谱与人在回路反馈的具身机器人，实现通用到特定任务分解与知识精炼
本文提出AdaptBot框架，通过结合大语言模型（LLM）的通用任务分解能力、知识图谱（KG）的领域知识编码和人类在环（HITL）反馈机制，实现具身代理对新任务的快速适应。实验表明，在烹饪和清洁模拟任务中，该框架成功率较纯LLM方法提升35-40%，通过增量知识精炼而非复杂调优实现高效适应。AdaptBot的创新在于LLM-KG-HITL协同机制，支持透明知识更新和持续学习，为服务型机器人等领域提供了可扩展的解决方案。研究还探讨了该框架的产业化潜力及未来优化方向。
2025-12-16 19:12:27
724
原创 从静态到动态：探索LLM和RAG在自动更新知识图谱中的协同效应
本文提出了一种结合大语言模型(LLM)和检索增强生成(RAG)技术自动更新知识图谱(KG)的创新方法。针对传统KG更新依赖人工维护、时效性差的问题，该方法首先利用LLM作为"裁判"识别潜在过时事实，再通过RAG从外部来源检索最新信息生成准确修复。实验证明，few-shot提示方式比zero-shot在检索准确率上提升15-20%，能有效处理80%的过时事实且幻觉率低于5%。该方法在足球转会等动态场景中展现了实用性，为金融、医疗等专业领域提供了实时KG更新解决方案。
2025-12-15 11:19:30
871
原创 Clinical-R1: 赋能大语言模型在医疗领域的可信与全面推理能力
本文提出Clinical-R1-3B模型及CRPO（临床目标相对策略优化）方法，针对医疗领域设计的多目标强化学习框架。CRPO通过结构化奖励机制同时优化准确性、可信性和全面性三个目标，使模型推理过程符合临床医生的双过程思维模式。实验表明，该30亿参数模型在医疗推理任务中不仅保持与GRPO相当的准确率，更显著提升了推理可信度（减少幻觉、增强回溯能力）和全面性（增加子目标验证）。研究为医疗AI提供了可验证、可审计的决策支持新范式，兼具临床应用价值和监管合规优势。
2025-12-12 16:54:52
1146
原创 仓库瓶颈诊断革命：知识图谱与大模型如何引领智能化物流分析？数字孪生从静态数据走向动态洞察及推理因果分析
本文提出了一种创新框架，通过将仓库离散事件模拟(DES)输出数据转化为知识图谱(KG)，并集成大语言模型(LLM)代理，实现智能化的仓库运营分析。该框架突破了传统方法的局限，能够通过自然语言查询识别瓶颈和低效环节。实验证明，该框架在操作查询和调查诊断方面显著优于传统方法，特别是在识别设备故障影响、供应商变异性等复杂场景中展现出优越性能。这一研究为仓库规划提供了从静态模拟向动态智能诊断转变的新思路，具有重要的实践价值。
2025-12-12 16:53:51
816
原创 ［380 页电子书］吴恩达与 OpenAI 重磅推出面向开发者的LLM入门教程：从提示工程到智能问答系统搭建
本教程由吴恩达与OpenAI合作推出，系统讲解如何基于大语言模型API快速开发应用。内容涵盖Prompt工程原则、文本处理技巧、ChatGPT问答系统搭建、LangChain框架应用及私有数据整合等核心技能，适合具备Python基础的开发者入门LLM应用开发。
2025-12-10 11:02:02
917
原创 Cog-RAG：认知启发的主题对齐双超图检索增强生成
本文提出Cog-RAG框架，通过模拟人类自上而下的认知推理过程，创新性地构建主题超图和实体超图的双层结构。该框架突破性地实现了从宏观主题到微观细节的层次化知识建模，显著提升了大语言模型在知识密集型任务中的响应质量。实验表明，Cog-RAG在多个数据集上全面超越现有基准方法，在响应完整性、语义连贯性和事实准确性等方面表现优异。这一认知启发的设计范式为知识密集型AI应用提供了新思路，在医疗、法律、金融等垂直领域展现出广阔的应用前景。
2025-12-09 16:56:41
940
原创 SciDaSynth：基于大语言模型的科学文献交互式结构化数据提取系统
SciDaSynth：基于大语言模型的科学文献数据智能提取系统摘要：本文介绍了SciDaSynth这一创新交互式系统，它利用大语言模型(LLMs)和检索增强生成(RAG)技术，帮助研究人员高效地从多模态科学文献中提取和结构化数据。系统通过自然语言查询自动生成标准化数据表，并提供可视化摘要、语义分组和可追溯验证功能，显著提升了数据提取的效率和准确性。用户研究表明，该系统能有效解决传统手动提取方法效率低、易出错等问题，为加速科学知识发现提供了有力工具。未来可进一步优化多模态信息融合和跨领域应用能力。
2025-12-08 22:44:09
785
原创 知识图谱+GenAI：默克、拜耳、先正达等世界五百强生物医药企业AI落地的创新实践题
GraphTalk Pharma & Life Sciences 2025峰会聚焦知识图谱与生成式AI在制药领域的创新应用。全球领先药企（Merck、Syngenta、Bayer等）分享了基于Neo4j图谱技术的实践案例，涵盖研发知识管理、化学反应数据处理、罕见病诊断和患者数据整合等关键场景。会议特别关注GraphRAG技术在提升药物发现效率、精准医疗和数据协作方面的突破性作用，展示了图谱+AI解决方案如何将研发效率提升30%-50%。
2025-12-08 22:42:27
1054
原创 大模型与知识图谱双轮驱动：机遇与挑战
本文探讨了大语言模型（LLMs）与知识图谱（KGs）的融合趋势，标志着知识表示从显式向参数化与显式混合模式的转变。文章分析了四大核心机遇：即时访问海量文本、简化知识工程、提升语言理解能力、实现自动知识整合；同时指出可解释性、知识冲突、计算成本和评估标准等关键挑战。作者提出双轨发展路径：显式知识优先适用于需严格推理的场景，参数化知识优先适用于灵活应用。研究强调这种融合不是替代而是互补，将为AI发展开辟新方向，建议研究者关注理论架构、评估方法及垂直领域应用。
2025-12-07 17:10:36
1241
原创 VisPile智能情报分析师：融合大模型与知识图谱的多文档可视化分析利器
本文介绍VisPile系统，该创新工具通过整合大语言模型(LLM)与知识图谱(KG)技术，显著提升情报分析效率。系统支持智能文档分组、自动摘要生成、关系映射等功能，经专业分析师验证可有效处理海量文本数据。VisPile采用多模态AI集成架构，包含语义搜索、LLM驱动分析、知识图谱可视化三大核心模块，并配备AI生成内容验证机制。专家评估表明，该系统能缩短70%文档处理时间，同时提高分析深度与准确性。研究为智能文本分析工具设计提供了重要参考，其技术框架可扩展至学术研究、商业情报等多个领域。
2025-12-06 12:39:17
829
原创 Agentic-KGR：通过多智能体强化学习实现知识图谱与大模型的共同进化
摘要：本文提出Agentic-KGR框架，通过多轮强化学习实现大语言模型与知识图谱的动态协同进化。该框架突破传统静态知识库限制，引入三大创新机制：动态本体扩展实现实时知识演化，共同进化记忆架构支持参数-知识双向优化，可学习提示压缩器提升计算效率。实验表明，在知识抽取任务中性能提升33.3分，问答任务提升12.8分，验证了该框架在构建自适应知识系统方面的有效性。这一研究为知识增强AI系统提供了新范式，实现了从静态工具到动态学习伙伴的范式转变。
2025-12-05 08:36:32
709
原创 Palantir AIPCon 8大客户演示案例：重新定义企业大模型未来的突破性实践
Palantir AIPCon8大会展示了企业AI在多个行业的创新应用：Andretti赛车队利用RaceOS系统实现毫秒级比赛数据分析，将车手反馈与遥测数据实时融合；Nebraska Medicine开发智能医疗文档管理系统，仅用10小时构建自动化评估流程；HSS医院打造统一医疗平台优化患者流程。这些案例体现了企业AI的核心价值：通过统一数据架构、实时处理能力和行业定制方案，显著提升运营效率与决策质量，而非简单替代人工。Palantir的解决方案证明AI技术已从概念验证阶段进入实际价值创造阶段。
2025-12-03 08:13:34
985
原创 何时选择知识图谱而非单纯RAG？大模型时代的企业智能升级
文章摘要 本文探讨了知识图谱（KG）、检索增强生成（RAG）与大型语言模型（LLM）的协同应用，以优化企业智能化服务。知识图谱通过结构化数据增强上下文理解，RAG结合文档检索提升回答准确性，二者结合可减少LLM的“幻觉”并支持复杂查询。文章分析了KG-RAG的技术实现路径（如实体抽取、图谱构建）及业务价值（个性化服务、高效决策），并指出KG在复杂查询、多跳问答等场景的优势。案例显示，该方案能显著提升客户与员工体验，未来将进一步释放GenAI在企业智能化中的潜力。 （字数：150）
2025-12-02 08:52:06
741
原创 [550页电子书]2025年10月最新出版-知识图谱与大语言模型融合的实战指南：KG&LLM in Action
2025年最新出版的《Knowledge Graphs and LLMs in Action》是一本全面的混合智能系统构建指南，深入探讨如何将知识图谱的结构化推理能力与大语言模型的自然语言理解能力相结合，为各个领域创建更强大、可靠且可解释的AI解决方案。
2025-12-01 20:12:33
1321
原创 Chatty-KG：基于多智能体的大规模知识图谱对话问答系统，实时、准确、无需训练
Chatty-KG：基于多智能体的知识图谱对话问答系统 本文提出Chatty-KG，一种创新的多智能体AI系统，用于知识图谱上的对话式问答。该系统通过模块化设计，将RAG检索范式与结构化查询执行相结合，无需模型训练或预处理即可实现高效问答。Chatty-KG采用专业化LLM智能体协作生成SPARQL查询，在保持语义完整性的同时显著减少幻觉现象。实验表明，该系统在多个大规模知识图谱上表现优异，在F1分数、精确度和响应时间等指标上均超越现有基准系统。Chatty-KG的免训练特性和良好兼容性使其在企业知识管理、
2025-12-01 20:04:31
977
原创 从人类专家到机器：大模型支持的人机协同本体与知识图谱自动构建
本文提出了一种利用开源大语言模型实现知识图谱半自动构建的创新方法。研究设计了一个包含能力问题生成、本体开发、知识图谱构建和评估的完整流程，并以生物多样性领域的深度学习方法论知识图谱为例进行验证。结果表明，该方法显著降低了人工参与成本，构建的本体框架和知识图谱具有较好的准确性和完整性。研究首次展示了开源大语言模型在知识工程中的应用潜力，为知识图谱构建提供了高效、低成本的解决方案。同时强调"人在回路"方法的重要性，确保自动化流程的质量控制。
2025-11-30 18:27:34
1510
原创 从“黑盒”到可信AI：生物医药知识图谱开启智能决策新时代 ，LLM准确率提升300%
大语言模型常产生看似合理实则错误的"幻觉"信息，在专业领域可能造成严重后果。知识图谱通过结构化数据存储和语义关系映射，能显著提升AI准确性。Wisecube的Pythia系统利用十亿级知识图谱实现实时幻觉检测，通过知识三元组分解、RDF格式转换等技术，将LLM准确率提升高达300%。该系统还具备持续监控、输入输出验证等功能，为医疗、金融等高风险领域提供可信的AI解决方案，推动人工智能向可验证、可靠的方向发展。
2025-11-29 18:01:35
923
原创 [500页电子书]构建自主AI Agent系统的蓝图:谷歌重磅发布智能体设计模式指南
在人工智能迅猛发展的今天，构建高效、自主的AI系统已成为行业焦点。谷歌首席技术官办公室高级总监兼杰出工程师Antonio Gulli近日宣布，其新书《Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems》将于2025年12月3日正式发布。这本400页的技术指南填补了AI开发方法论的空白，提供详细的架构蓝图，详述21种代理设计模式，帮助构建自主AI系统，帮助从业者从强大语言模型转向鲁棒的现实应用。
2025-11-28 22:53:16
1798
原创 医学大模型事实准确性新突破：基于知识图谱的自动化评估框架FAITH
FAITH框架：基于知识图谱的医学大模型事实核查新方法 研究团队提出FAITH框架，通过医学知识图谱自动核查大语言模型生成内容的准确性。该创新方法将响应分解为原子声明，与知识图谱匹配进行评分，无需参考答案即可评估事实性。实验表明，FAITH在四个医学问答数据集上显著优于传统评估方法，与临床医生判断具有更高相关性，并能有效区分不同能力的模型。框架具备无监督运行、强鲁棒性和良好可解释性等特点，为医疗AI的安全部署提供了重要保障。研究团队已开源代码，推动该技术在医疗及其他关键领域的应用发展。
2025-11-28 15:47:12
347
原创 TAdaRAG：动态知识图谱新框架突破RAG跨文档碎片化知识幻觉瓶颈
本文提出TAdaRAG框架，创新性地通过动态构建任务自适应知识图谱，解决传统RAG系统面临的三大核心问题：文本截断导致的幻觉、推理链断裂和无关信息干扰。该框架采用三阶段渐进式训练策略（意图路由→监督微调→强化学习优化），在六个公开基准测试中显著优于现有方案，尤其在复杂推理任务上提升达29.7%。目前已在商业场景成功部署，验证了其实际应用价值。研究获福建省科技项目支持，相关代码已开源。
2025-11-27 07:49:29
906
原创 本体论：大模型时代企业数据治理的关键基础设施及企业级大模型规模化落地的真正瓶颈
摘要：本文探讨了企业级大模型应用中数据治理的核心挑战与解决方案。文章指出，当前LLM落地的真正瓶颈在于传统数据治理方法无法满足大模型需求，而非提示词工程或向量数据库等技术。通过分析传统治理的四大困境（建模昂贵、实施困难、执行不一致、维护负担重），提出基于SQL的本体论作为突破路径。这种语义层方法能统一数据定义、权限和策略，使治理变得可重用、透明且可持续。文中还展示了金融和医疗领域的应用案例，并提供了从架构设计到实施路径的实践框架，强调本体论正在演变为下一代智能数据平台的核心基础设施。
2025-11-26 08:09:05
757
原创 ［经典之作］大语言模型与知识图谱的融合：通往智能未来的路线图
本文提出融合大语言模型(LLMs)与知识图谱(KGs)的三大框架：KG增强LLMs、LLM增强KGs及协同LLMs+KGs。LLMs擅长语言处理但缺乏事实性知识，KGs存储结构化知识但构建困难，两者优势互补。研究系统梳理了技术背景、集成方法及应用场景，并指出当前挑战与未来方向，包括神经符号融合、持续学习等。该路线图为构建下一代智能系统提供了系统性指导，推动人工智能向更高水平发展。
2025-11-25 08:05:39
1359
原创 Hulu-Med：浙大、阿里等联合发布透明化通用多模态医疗开源大模型
Hulu-Med：首个透明化通用医疗视觉-语言模型 本文提出Hulu-Med，这是一个突破性的医疗AI模型，能够统一处理文本、2D/3D图像和视频等多种医疗数据。该模型基于1670万公开样本训练，覆盖12个解剖系统和14种成像模态，在30个基准测试中的27个超越开源模型，16个测试优于GPT-4o等专有系统。其创新包括： 统一架构设计：原生支持多模态医疗数据处理 高效训练：通过医学感知token压缩减少55%计算冗余 完全透明：开放所有数据、代码和模型参数 卓越性能：在医学VQA、报告生成等任务上达到SOT
2025-11-24 21:50:05
620
原创 让企业级大模型落地：每个企业CIO都需要知道的知识图谱KG基础
摘要：本文通过律师误用ChatGPT生成虚假判例的典型案例，揭示了大语言模型(LLM)在专业领域的根本缺陷，包括知识不可验证、难以更新等架构性问题。文章提出知识图谱(KG)与LLM的混合架构解决方案：知识图谱提供结构化、可验证的知识基础，LLM负责自然语言交互，二者结合可构建可信赖的智能顾问系统。这种架构能有效缓解幻觉问题，保持知识更新，并提供决策可解释性，特别适用于法律、医疗等关键领域。文章强调专业AI系统必须建立在可靠的知识基础设施之上，而非单纯依赖LLM的生成能力。
2025-11-24 07:36:20
1192
原创 MOF-ChemUnity：开启知识图谱与大模型结合的材料科学研究AI4S新篇章
本文介绍MOF-ChemUnity知识图谱系统，通过整合MOF领域的科学文献、晶体结构及计算数据，构建统一的知识体系。该系统利用大语言模型实现文献数据提取与关联，解决MOF命名标准化难题，目前已整合1万篇文献和1.5万个晶体结构数据。应用包括多属性机器学习预测、专家级材料推荐和可信赖的AI科研助手，显著提升材料发现的效率与可靠性。该工作为文献驱动的材料研究提供了可扩展框架，在准确性、可解释性方面优于传统方法，为AI辅助科研开辟新路径。
2025-11-21 08:18:39
1082
原创 GenAI时代的企业智能升级：知识图谱与RAG的完美结合
摘要： 本文探讨知识图谱（KG）、检索增强生成（RAG）与大型语言模型（LLM）的协同应用，以优化企业智能化工具。KG通过结构化数据增强上下文理解，RAG结合文档检索提升回答准确性，二者结合可减少LLM的模型幻觉，支持复杂查询与多跳推理。案例显示，KG-RAG方案在客户支持、个性化推荐等场景中显著提升响应速度与准确性，同时赋能员工高效协作。未来，三者融合将进一步释放企业智能化潜力，实现精准决策与用户体验升级。 关键词：#知识图谱 #RAG #LLM #企业智能化
2025-11-20 15:00:16
1175
原创 精准决策加速器：知识图谱+LLMs如何重塑企业智能
摘要：知识图谱与大语言模型(LLMs)的结合为企业AI应用开辟了新路径。文章指出传统LLMs缺乏企业业务理解的短板，提出通过知识图谱构建企业事实网络，实现精准决策支持。重点解析了该技术在客户服务、销售决策和语义搜索三大场景的落地案例，并揭示其背后的检索增强生成(RAG)技术原理。同时指出实施中的数据质量、系统整合等挑战，强调这不仅提升AI能力，更是构建企业智能基础设施的战略选择。
2025-11-20 14:07:59
896
原创 Kosmos：自主发现的AI科学家 - 科学研究的革命性突破
本文介绍了Kosmos，一个由Future House开发能够自主进行数据驱动科学发现的AI科学家系统。该系统可在12小时内执行数据分析、文献检索和假设生成的循环，平均执行42,000行代码并阅读1,500篇论文，相当于6个月的专家研究工作量。
2025-11-18 07:46:38
847
原创 Vgent：基于图的多模态检索推理增强生成框架GraphRAG，突破长视频理解瓶颈
沙特阿卜杜拉国王科技大学与MetaAI团队开发的Vgent框架通过构建视频语义图谱和结构化推理机制，在长视频理解领域取得突破。该框架将长视频分割处理，建立语义实体图谱，采用四阶段流程（图谱构建、图基检索、结构化推理、多模态生成）显著提升模型性能。实验显示，在MLVU基准测试中性能提升3.0%-5.4%，尤其擅长处理需要跨片段推理的复杂查询。相比传统方法，Vgent能更好地保持时序关系并减少检索噪音，为视频内容分析、监控等领域提供了更准确的解决方案。
2025-11-16 12:32:32
1532
1
原创 知识图谱与中医古籍的数智化融合：中医药多智能体大模型系统的未来展望
本文探讨了知识图谱与多智能体系统在中医经典文献传承中的创新应用。研究发现：1）知识图谱能有效解决中医经典文献碎片化问题，实现知识结构化表达；2）多智能体系统可协同完成文本翻译、实体识别等复杂任务；3）该技术组合能支持智能问答、个性化教育等应用场景。研究为中医知识数字化传承提供了新路径，建议未来重点开发专用NLP模型和完善中医本体框架。
2025-11-15 09:06:01
775
原创 如何利用大语言模型（LLM）实现自动标注与内容增强
摘要：本文系统探讨如何利用大语言模型（LLM）实现内容自动标注与增强。通过分析LLM在语义解析、标签匹配等方面的优势，提出包括内容解析、提示工程和标签存储的三步实施流程。研究强调语义模型在提升标注准确性中的关键作用，并指出实施过程中需考虑准确性控制、系统兼容性、多模态处理及数据安全等关键因素。最后展望LLM标注在知识图谱、语义搜索等领域的应用前景，为组织提供高效低成本的元数据管理解决方案。
2025-11-14 11:33:30
715
EJB 编程及 J2EE 系统架构和设计
2007-07-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人