EMNLP2024｜从知识图谱中习得大语言模型的规划能力

文章预览

论文题目： Learning to Plan for Retrieval-Augmented Large Language Models from Knowledge Graphs 本文作者： 汪俊杰（浙江大学）、陈名杨（百川智能）、胡斌斌（蚂蚁集团）、杨丹（蚂蚁集团）、刘子奇（蚂蚁集团）、申月（蚂蚁集团）、魏鹏（蚂蚁集团）、张志强（蚂蚁集团）、顾进捷（蚂蚁集团）、周俊（蚂蚁集团）、Jeff Z. Pan（爱丁堡大学）、张文（浙江大学）、陈华钧（浙江大学） 发表会议： EMNLP 2024 论文链接： https://arxiv.org/abs/2406.14282 代码链接： https://github.com/zjukg/LPKG 欢迎转载，转载请注明 出处 一、引言 在利用大语言模型(LLMs)解决复杂问答时，往往会先对复杂问题进行规划(Planning)，将复杂问题拆分为多个子问题，并对每个子问题分别进行检索问答，从而得到原始复杂问题的答案。对于参数量较小的模型(小于10B)来说，对复杂问题进行规划并非易事， ………………………………