admin管理员组

文章数量:1647837

本文是LLM系列文章，针对《Think-on-Graph: Deep and Responsible Reasoning of Large Language Model with Knowledge Graph》的翻译。

对图的思考：基于知识图谱的大型语言模型的深度负责任推理

  • 摘要
  • 1 引言
  • 2 方法
  • 3 实验
  • 4 相关工作
  • 5 结论

摘要

大型语言模型（LLM）在各种任务中取得了重大进展，但它们往往难以进行复杂的推理，并且在知识可追溯性、及时性和准确性至关重要的场景中表现出较差的性能。为了解决这些局限性，我们提出了Think on Graph（ToG），这是一个新颖的框架，利用知识图谱来增强LLM的深度和负责任推理能力。通过使用ToG，我们可以识别与给定问题相关的实体，并进行探索和推理，从外部知识数据库中检索相关的三元组。这个迭代过程生成由顺序连接的三元组组成的多个推理路径，直到收集到足够的信息来回答问题或达到最大深度。通过对复杂多跳推理问答任务的实验，我们证明了ToG优于现有方法，有效地解决了LLM的上述局限性，而不会产生额外的训练成本。

1 引言

2 方法

3 实验

4 相关工作

5 结论

我们提出了一个新的ToG框架，它集成了思维链推理和知识

本文标签： responsibleReasoningGraphDeepModel

版权声明：本文标题：Think-on-Graph: Deep and Responsible Reasoning of Large Language Model with Knowledge Graph 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/xitong/1729493123a1202633.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。