GMeLLo：结合知识图谱的 LLM 多跳问答技术，效果显著提升

文章预览

GMeLLo：结合知识图谱的 LLM 多跳问答技术，效果显著提升 发布时间：2024 年 08 月 28 日 知识图谱 LLM-Based Multi-Hop Question Answering with Knowledge Graph Integration in Evolving Environments 随着大型语言模型中信息的迅速过时，我们开发了多种技术来整合新事实。然而，现有知识编辑技术在处理复杂的多跳问题时仍显不足，这些问题需要精确的事实识别和连续的逻辑推理，尤其是在频繁更新事实的情况下。为此，我们提出了基于图记忆的大型语言模型编辑方法 (GMeLLo)，它巧妙地将知识图谱的结构化知识表示与语言模型的灵活性结合，不仅用于问答，还能将自然语言转换为结构化查询，实现与知识图谱的高效互动，支持快速更新和精准的多跳推理。实验表明，GMeLLo 在多跳问答基准 MQuAKE 上大幅领先现有技术，特别是在需要大量知识更新的场景中。 https://arxiv.org/abs/2408.15 ………………………………