人大高瓴發(fā)布Think-on-Graph 2.0，基于知識圖的大模型推理再升級！

AIGC動態(tài)歡迎閱讀

原標題：人大高瓴發(fā)布Think-on-Graph 2.0，基于知識圖的大模型推理再升級！
關(guān)鍵字：騰訊,知識,實體,問題,任務(wù)
文章來源：夕小瑤科技說
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

夕小瑤科技說原創(chuàng)作者 | Axe_越經(jīng)常參加高考的朋友可能會體會到，比起死記硬背知識點，將知識整理成脈絡(luò)往往會獲得事半功倍的效果。其實對于大模型來說也是如此，哪怕被允許“開卷作答”，即通過檢索增強（Retrieval-augmented generation，RAG）技術(shù)從知識庫中為大模型取回相應知識作為參考，但當面對復雜問題的時候，RAG對大模型的增益效果也不盡如人意。畢竟“難道開卷你們就能考滿分了嗎？”
也正因如此，我們希望為大模型的思考方式注入類似知識框架的方法指導，而已經(jīng)發(fā)展多年趨漸成熟的知識圖（Knowledge-Graph，KG）或許將給我們一個解決方案。
論文標題:Think-on-Graph 2.0: Deep and Interpretable Large Language Model Reasoning with Knowledge Graph-guided Retrieval
論文鏈接:https://arxiv.org/pdf/2407.10805.pdf
背景與動機在當前的大模型（LLMs）研究中，RAG技術(shù)的出現(xiàn)為解決知識缺陷和幻覺問題提供了一種有效解決方

原文鏈接：人大高瓴發(fā)布Think-on-Graph 2.0，基于知識圖的大模型推理再升級！