北诺南兮

1 ARI（ACL2024） 主要分为两个阶段：基于知识的交互和知识无关推理。 基于知识的交互：提取子图，建立候选动作集，过滤得到与问题相似度高的前K个动作，根据LLM的决策...

北诺南兮

原文：https://arxiv.org/abs/2410.01401[https://arxiv.org/abs/2410.01401] 知识图谱问答（KGQA）通常先从大...

北诺南兮

@[toc] 使用WebQSP结果较好：ChatKBQA、GoG使用多跳推理数据集HotpotQA等：KGP-T5，LongRAG，GNN-Ret，为长文本/多跳类任务 1 ...

北诺南兮

1 Tokenizer的作用 将文本序列转化为数字序列，作为transformer输入 是训练和微调LLM必不可少的一部分 2 三种不同分词粒度的Tokenizers Wor...

北诺南兮

1 介绍 输入：同一相机位置的环视图像组输出：密集的3D语言嵌入体素图，该图能够支持一系列开放词汇量的任务。 主要分为三步： 2D-3D编码器从输入图像生成一个体素特征网络。...

北诺南兮

RAG-KG 1 概述 传统的大模型（LLMs）检索增强生成（RAG）法将大量过去的问题作为纯文本处理，忽略了内部结构和联系，本文介绍一种新的客户服务问答方法，将RAG与知识...

北诺南兮

1 Disambiguated Node Classification with Graph Neural Networks （待续） 2 LABEL-FREE NODE C...

北诺南兮

数据集对比 QA不同方法以及实验结果 KAPING KAPING：从KG中获取相关信息放到输入中，再通过LLMs进行检索。挑战：从KG中获取到的三元组太多，并且不一定都与问题...

北诺南兮

本文讨论了预训练的LLMs能否理解结构化的时间关系数据，并在时间知识图谱（tKG）领域取代现有占主导地位的机遇嵌入和规则的方法，作为时间关系预测的基础模型。tKGs数据量巨大...

北诺南兮

1 概述 本文对比了三种方案 传统LLM：需要昂贵耗时的预训练，知识库很难及时更新导致推理错误（图a） LLM ⊕ KG：KG作为补充，给LLM额外的提示，缓解了LLM的幻觉...