技术动态 | 以知识图谱进行思考：通过结构化数据提升大型语言模型推理能力

文章预览

转载公众号 | 知识图谱科技 这篇论文探讨了如何通过知识图谱（KG）增强大型语言模型（LLMs）的推理能力。 大型语言模型 （LLM） 在自然语言理解和生成方面表现出卓越的能力。然而，他们经常与复杂的推理任务作斗争，并且容易产生幻觉。最近的研究表明，在利用知识图谱 （KG） 提高 LLM 性能方面取得了可喜的结果。KG 提供实体及其关系的结构化表示，提供丰富的信息源，可以增强 LLM 的推理能力。在这项工作中，我们开发了不同的技术，将 KG 结构和语义紧密集成到 LLM 表示中。我们的结果表明，我们能够显著提高 LLM 在复杂推理场景中的性能，并使用 KG 为推理过程奠定基础。我们是第一个用编程语言表示 KG 并使用 KG 微调预训练 LLM 的公司。这种集成有助于更准确和可解释的推理过程，为 LLM 更高级的推理功能铺平了道路。 [2412.10654] Thinking wit ………………………………