EMNLP 2024 | 从知识图谱中习得大语言模型的规划能力

文章预览

在这项研究中，团队探索如何使语言模型从知识图谱中学习复杂问题的规划能力。为此，他们设计了一个名为 LPKG 的框架，充分利用知识图谱中丰富的子图模式（Pattern）来生成高质量的规划训练数据。这些数据帮助训练语言模型，从而在解决下游任务时推理出更准确的规划过程。模型生成的规划过程随后被解析并执行，最终得出问题的答案。 团队通过多个数据集验证了 LPKG 框架的有效性，结果表明它在性能上具有显著优势。此外，团队还为研究社区贡献了一个全新的复杂问答数据集，命名为 CLQA-Wiki ，为相关领域的进一步研究提供了宝贵的资源。 论文题目： Learning to Plan for Retrieval-Augmented Large Language Models from Knowledge Graphs  论文链接： https://arxiv.org/abs/2406.14282 代码链接： https://github.com/zjukg/LPKG 一、引言 在利用大语言模型(LLMs)解决复杂问答时， ………………………………