Téléchargement KG LLM Papers - Téléchargement du code source KG LLM Papers

KG-LLM-Papiers

Que peuvent faire les LLM pour les KG ? Ou, en d’autres termes, quel rôle le KG peut-il jouer à l’ère des LLM ?

? Ce référentiel rassemble des articles intégrant des graphes de connaissances (KG) et des modèles de langage étendus (LLM) .

? Bienvenue pour recommander les articles manquants via Adding Issues ou Pull Requests .

? Nouvelles

2024-05 Notre article Alignement des préférences informé pour les LLM dans la réponse aux questions spécifiques à un domaine a été accepté par l'ACL 2024. [ Repo ]
2024-02 Nous préimprimons notre enquête Les graphiques de connaissances rencontrent l'apprentissage multimodal : une enquête complète [ Repo ].
2023-10 Nous pré-imprimons notre article Rendre les grands modèles linguistiques plus performants dans l'achèvement des Knowledge Graph et publions le [ Repo ].
2023-06 Nous créons ce référentiel pour maintenir une liste papier sur Intergrating Knowledge Graphs and Large Language Models .

Contenu

Papiers
- ? Enquêtes
- ⚙ Méthodes
- ? Ressources

Papiers

Enquêtes

[arxiv] Les graphiques de connaissances rencontrent l'apprentissage multimodal : une enquête complète. 2024.02
[arxiv] Les Knowledge Graphs peuvent-ils réduire les hallucinations dans les LLM ? : Une enquête. 2023.11
[arxiv] Enquête sur la réalité dans les grands modèles linguistiques : connaissances, récupération et spécificité de domaine. 2023.10
[arxiv] Sur l'évolution des graphes de connaissances : une enquête et une perspective. 2023.10
[arxiv] Évaluation des capacités des grands modèles de langage pour la création et la compréhension de graphes de connaissances RDF : dans quelle mesure les LLM parlent-ils la tortue ? 2023.09
[arxiv] Explicabilité des grands modèles linguistiques : une enquête. 2023.09
[arxiv] Générations de Knowledge Graphs : les idées folles et leur impact commercial. 2023.08
[arxiv] Grands modèles linguistiques et graphiques de connaissances : opportunités et défis. 2023.08
[TKDE] Unifier les grands modèles de langage et les graphiques de connaissances : une feuille de route. 2023.06 [Repo]
[arxiv] ChatGPT ne suffit pas : améliorer les grands modèles linguistiques avec des graphiques de connaissances pour une modélisation linguistique factuelle. 2023.06
[arxiv] Une enquête sur les modèles linguistiques pré-entraînés améliorés par les connaissances. 2023.05

Méthode

[arxiv] Décodage sur des graphiques : raisonnement fidèle et solide sur des graphiques de connaissances grâce à la génération de chaînes bien formées. 2024.10
[arxiv] Vers des modèles de base de graphes : la perspective du raisonnement zéro sur les graphes de connaissances. 2024.10
[NeurIPS 2024] MKGL : Maîtrise d'un langage à trois mots. 2024.10 [Repo]
[NeurIPS 2024] UrbanKGent : un cadre d'agent de modèle de grand langage unifié pour la construction de graphes de connaissances urbaines. 2024.10 [Repo]
[ICML 2024] Mise en évidence grossière à fine : réduire les hallucinations de connaissances dans les grands modèles de langage. 2024.10 [Repo]
[ACL 2024] SAC-KG : Exploiter de grands modèles de langage en tant que constructeurs automatiques qualifiés pour les graphes de connaissances de domaine. 2024.09
[NeurIPS 2024] LLM4EA : Alignement d'entités avec des annotations bruyantes à partir de grands modèles de langage. 2024.09 [Repo]
[arxiv] Chaîne de connaissances : intégration du raisonnement par connaissances dans de grands modèles linguistiques en apprenant à partir de graphiques de connaissances. 2024.07
[arxiv] GraphEval : un cadre d'évaluation des hallucinations LLM basé sur des graphiques de connaissances. 2024.07
[arxiv] Think-on-Graph 2.0 : raisonnement profond et interprétable sur un grand modèle de langage avec récupération guidée par Knowledge Graph. 2024.07
[ISWC 2024] Affinement des modèles de langage étendus génératifs avec des instructions de discrimination pour l'achèvement du Knowledge Graph. 2024.07
[Résultats de l'ACL 2024] Réponse à des questions génératives en deux étapes sur un graphique de connaissances temporelles à l'aide de grands modèles de langage. 2024.07
[arxiv] Tree-of-Traversals : un algorithme de raisonnement Zero-Shot pour augmenter les modèles de langage boîte noire avec des graphiques de connaissances. 2024.07
[Résultats NAACL 2024] GenTKG : Prévision générative sur un graphique de connaissances temporelles avec de grands modèles linguistiques. 2024.06
[Résultats de l'ACL 2024] Réponse à des questions génératives en deux étapes sur un graphique de connaissances temporelles à l'aide de grands modèles de langage. 2024.06
[arxiv] Infusion efficace de connaissances via l'alignement KG-LLM. 2024.06
[arxiv] Génération améliorée de récupération améliorée de Knowledge Graph pour l'analyse des modes de défaillance et de leurs effets. 2024.06
[arxiv] Modèles de langage étendus améliorés par Knowledge Graph via la sélection de chemin. 2024.06
[arxiv] Apprendre à planifier des modèles de langage étendus augmentés par récupération à partir de graphiques de connaissances. 2024.06
[arxiv] Docs2KG : Construction unifiée de graphes de connaissances à partir de documents hétérogènes assistée par de grands modèles linguistiques. 2024.06
[arxiv] UniOQA : un cadre unifié pour la réponse aux questions Knowledge Graph avec un grand modèle de langage. 2024.06
[arxiv] Raisonnement multimodal avec Knowledge Graph multimodal. 2024.06
[arxiv] Graphique de connaissances dans la recherche astronomique avec de grands modèles linguistiques : quantification des forces motrices dans la découverte scientifique interdisciplinaire. 2024.06
[arxiv] EffiQA : réponses efficaces aux questions avec une collaboration stratégique multimodèle sur les graphiques de connaissances. 2024.06
[arxiv] Explorez puis déterminez : un cadre de synergie GNN-LLM pour le raisonnement sur Knowledge Graph. 2024.06
[arxiv] EMERGE : Intégration de RAG pour une modélisation prédictive multimodale améliorée du DSE. 2024.06
[EPJ Data Science] Paillettes ou or ? Dérivation d'informations structurées à partir de rapports de développement durable via de grands modèles linguistiques. 2024.06
[arxiv] DepsRAG : vers la gestion des dépendances logicielles à l'aide de grands modèles de langage. 2024.06 [Repo]
[arxiv] SAVOIR : Une ontologie du monde réel pour la capture de connaissances avec de grands modèles de langage 2024.05 [Repo]
[arxiv] HippoRAG : Mémoire à long terme d'inspiration neurobiologique pour les grands modèles de langage 2024.05 [Repo]
[arxiv] KG-FIT : ajustement précis du graphique de connaissances sur les connaissances du monde ouvert. 2024.05
[arxiv] Capture de connaissances symboliques basées sur l'ontologie à temps rapide avec de grands modèles de langage 2024.05 [Repo]
[arxiv] Décomposition de phrases basée sur une chronologie avec apprentissage en contexte pour l'extraction de faits temporels. 2024.05
[arxiv] SOK-Bench : une référence de raisonnement vidéo localisé avec des connaissances alignées sur le monde ouvert. 2024.05
[arxiv] Atténuer les hallucinations dans les grands modèles de langage via la récupération de connaissances améliorée par auto-raffinement. 2024.05
[arxiv] Inviter de grands modèles de langage avec des graphiques de connaissances pour répondre à des questions impliquant des faits à longue traîne. 2024.05
[arxiv] DALK : Co-augmentation dynamique des LLM et KG pour répondre aux questions sur la maladie d'Alzheimer avec la littérature scientifique. 2024.05
[arxiv] BiasKG : graphiques de connaissances contradictoires pour induire des biais dans les grands modèles de langage. 2024.05
[arxiv] AttacKG+ : stimuler la construction de graphes de connaissances d'attaque avec de grands modèles de langage. 2024.05
[arxiv] Sora Detector : une détection d'hallucinations unifiée pour les grands modèles texte-vidéo. 2024.05
[arxiv] FOKE : un cadre éducatif personnalisé et explicable intégrant des modèles de base, des graphiques de connaissances et une ingénierie rapide. 2024.05
[arxiv] Prédiction des relations pour l'achèvement du Knowledge Graph à l'aide de grands modèles linguistiques. 2024.05
[arxiv] Évaluation de grands modèles linguistiques pour une synthèse scientifique structurée dans l'Open Research Knowledge Graph. 2024.05
[arxiv] Améliorer le raisonnement complexe via Knowledge Graph avec un réglage du programme d'études basé sur la logique. 2024.05
[arxiv] Prédiction explicable basée sur RAG des comportements des usagers de la route pour la conduite automatisée à l'aide de graphiques de connaissances et de grands modèles linguistiques. 2024.05
[arxiv] PrivComp-KG : Exploitation du Knowledge Graph et des grands modèles linguistiques pour la vérification de la conformité à la politique de confidentialité. 2024.04
[arxiv] Réponse aux questions multi-sauts via des Knowledge Graphs à l'aide de grands modèles de langage. 2024.04
[arxiv] Construction automatisée de graphiques de connaissances spécifiques à un thème. 2024.04
[arxiv] Génération augmentée par récupération avec des graphiques de connaissances pour la réponse aux questions du service client. 2024.04
[arxiv] Évaluation des relations d'appartenance à une classe dans des Knowledge Graphs à l'aide de grands modèles linguistiques. 2024.04
[arxiv] KGValidator : un cadre pour la validation automatique de la construction de graphes de connaissances. 2024.04
[arxiv] Modèles linguistiques améliorés par le contexte pour générer des citations multi-articles. 2024.04
[arxiv] Raisonnement sur des chemins de connaissances efficaces : le graphique de connaissances guide un grand modèle de langage pour la réponse aux questions de domaine. 2024.04
[arxiv] KG-CTG : génération de citations via de grands modèles linguistiques guidés par Knowledge Graph. 2024.04
[arxiv] CuriousLLM : Améliorer l'assurance qualité multi-documents grâce à des invites de graphes de connaissances basées sur le raisonnement. 2024.04
[arxiv] ODA : Agent basé sur l'observation pour l'intégration des LLM et des Knowledge Graphs. 2024.04
[arxiv] Création d'un graphique de connaissances pour enrichir les réponses ChatGPT dans la découverte des services de fabrication. 2024.04
[arxiv] Requête logique de pensées : guider les grands modèles de langage pour répondre à des requêtes logiques complexes avec des graphiques de connaissances. 2024.04
[arxiv] Extraire, définir, canoniser : un cadre basé sur LLM pour la construction de Knowledge Graph. 2024.04
[COLM 2024] Dévoilement des LLM : L'évolution des représentations latentes dans un Knowledge Graph dynamique. 2024.04
[arxiv] Construction d'un graphique de connaissances sur les matériaux fonctionnels en science des matériaux multidisciplinaire via un grand modèle linguistique. 2024.04
[arxiv] Sur la linéarisation des données structurées dans les modèles de langage encodeur-décodeur : aperçus de Text-to-SQL. 2024.04
[arxiv] Programmation d'auto-amélioration pour la réponse aux questions du graphique de connaissances temporelles. 2024.04
[arxiv] Une feuille de route préliminaire pour les LLM en tant qu'assistants dans l'exploration, l'analyse et la visualisation des graphiques de connaissances. 2024.04
[arxiv] Évaluation de la réalité des grands modèles linguistiques à l'aide de graphiques de connaissances à grande échelle. 2024.04
[arxiv] Exploiter la puissance d'un grand modèle de langage pour le traitement de graphiques tenant compte de l'incertitude. 2024.04
[arxiv] EventGround : Raisonnement narratif en s'appuyant sur des graphiques de connaissances centrés sur l'éventualité. 2024.04
[arxiv] Generate-on-Graph : traitez LLM à la fois comme agent et KG dans la réponse incomplète aux questions du Knowledge Graph. 2024.04
[arxiv] Du local au global : une approche graphique RAG pour une synthèse axée sur les requêtes. 2024.04
[arxiv] HyKGE : Un cadre amélioré de graphique de connaissances d'hypothèses pour des réponses médicales LLM précises et fiables. 2024.04
[arxiv] Évaluation de la réalité des grands modèles linguistiques à l'aide de graphiques de connaissances à grande échelle. 2024.04
[arxiv] Évaluation de la réalité des grands modèles linguistiques à l'aide de graphiques de connaissances à grande échelle. 2024.04
[arxiv] KnowLA : amélioration du réglage fin efficace des paramètres grâce à une adaptation compétente. 2024.03
[LREC-COLING 2024] KC-GenRe : Une méthode de reclassement génératif limitée par les connaissances et basée sur de grands modèles de langage pour l'achèvement des graphes de connaissances. 2024.03
[arxiv] K-Act2Emo : graphique de connaissances coréen de bon sens pour l'expression émotionnelle indirecte. 2024.03
[arxiv] Fusion de contenu spécifique à un domaine à partir de grands modèles de langage dans des graphiques de connaissances pour une classification améliorée de l'état des objets Zero Shot. 2024.03
[arxiv] Construction de graphiques de connaissances hyper-relationnels à l'aide de grands modèles de langage pré-entraînés. 2024.03
[arxiv] Appelez-moi si nécessaire : les LLM peuvent raisonner efficacement et fidèlement sur des environnements structurés. 2024.03
[arxiv] Des experts humains aux machines : une approche soutenue par LLM pour la construction d'ontologies et de graphes de connaissances. 2024.03
[arxiv] Raisonnement complexe sur des requêtes logiques sur des graphiques de connaissances de bon sens. 2024.03
[arxiv] Knowledge Graph Large Language Model (KG-LLM) pour la prédiction de liens. 2024.03
[arxiv] KG-Rank : amélioration des modèles linguistiques étendus pour l'assurance qualité médicale avec des graphiques de connaissances et des techniques de classement. 2024.03
[arxiv] Faire progresser l'exploration de textes biomédicaux avec les défis communautaires. 2024.03
[arxiv] Graphiques de connaissances comme sources de contexte pour les explications basées sur le LLM des recommandations d'apprentissage. 2024.03
[arxiv] Résumé des faits fondé sur des preuves pour une réponse aux questions Zero-Shot augmentée par les connaissances. 2024.03
[arxiv] AceMap : découverte des connaissances via Academic Graph. 2024.03
[arxiv] KnowPhish : les grands modèles linguistiques rencontrent les graphiques de connaissances multimodaux pour améliorer la détection du phishing basée sur des références. 2024.03
[arxiv] Dévoilement des liens cachés entre des entités de sécurité invisibles. 2024.03
[LREC-COLING 2024] Amélioration multi-perspective de la complétion des Knowledge Graphs avec de grands modèles linguistiques. 2024.03
[arxiv] Insuffler des connaissances dans de grands modèles de langage avec des invites contextuelles. 2024.03
[arxiv] CR-LT-KGQA : un ensemble de données répondant à une question de graphique de connaissances nécessitant un raisonnement de bon sens et des connaissances à longue traîne. 2024.03
[arxiv] Le juste pour les bonnes raisons : de grands modèles linguistiques pour une réponse vérifiable aux questions du Knowledge Graph de bon sens. 2024.03
[arxiv] Génération automatique de questions-réponses pour les connaissances à longue traîne. 2024.03
[arxiv] AutoRD : un système automatique et de bout en bout pour la construction de graphiques de connaissances sur les maladies rares basé sur de grands modèles de langage améliorés par des ontologies. 2024.03
[arxiv] Raisonnement mathématique auto-cohérent par étapes avec de grands modèles de langage. 2024.02
[arxiv] Réponse à des questions génératives en deux étapes sur un graphique de connaissances temporelles à l'aide de grands modèles de langage. 2024.02
[arxiv] Libérer la puissance des grands modèles de langage pour l'alignement des entités. 2024.02
[arxiv] Amélioration de la prévision des graphiques de connaissances temporelles avec de grands modèles linguistiques via le raisonnement en chaîne historique. 2024.02
[arxiv] Briser la barrière : utiliser de grands modèles de langage pour les systèmes de recommandation industrielle via un graphe de connaissances inférentiel. 2024.02
[arxiv] Édition améliorée du modèle de langage étendu Knowledge Graph. 2024.02
[arxiv] Intégration sensible aux modalités avec de grands modèles de langage pour une réponse visuelle aux questions basée sur les connaissances. 2024.02
[arxiv] Retriever basé sur des graphiques capture la longue traîne des connaissances biomédicales. 2024.02
[arxiv] LLM comme prompteur : raisonnement inductif à faibles ressources sur des graphiques de connaissances arbitraires. 2024.02
[arxiv] Contre-intuitif : les grands modèles de langage peuvent mieux comprendre les graphiques de connaissances que nous ne le pensions. 2024.02
[arxiv] InfuserKI : amélioration des grands modèles de langage avec des graphiques de connaissances via l'intégration des connaissances guidée par Infuser. 2024.02
[arxiv] Vers le développement de cartes de connaissances et de bases de données automatisées pour l'ingénierie des matériaux à l'aide de grands modèles de langage. 2024.02
[arxiv] KG-Agent : un cadre d'agent autonome efficace pour un raisonnement complexe sur Knowledge Graph. 2024.02
[arxiv] Questions PAT : une référence à mise à jour automatique pour les réponses aux questions temporelles ancrées dans le présent. 2024.02
[arxiv] Un cadre de graphes de transition condensé pour la prédiction de liens sans tir avec de grands modèles de langage. 2024.02
[arxiv] Amélioration des grands modèles de langage avec des graphiques de connaissances pseudo- et multisources pour la réponse aux questions ouvertes. 2024.02
[arxiv] G-Retriever : génération augmentée par récupération pour la compréhension des graphiques textuels et la réponse aux questions. 2024.02
[arxiv] X-LoRA : mélange d'experts en adaptateurs de bas rang, un cadre flexible pour de grands modèles de langage avec des applications en mécanique et conception des protéines. 2024.02
[arxiv] REALM : amélioration pilotée par RAG de l'analyse des dossiers de santé électroniques multimodaux via de grands modèles linguistiques. 2024.02
[arxiv] GLaM : ajustement fin de modèles de langage étendus pour l'alignement des graphes de connaissances de domaine via le partitionnement de quartier et l'encodage génératif de sous-graphes. 2024.02
[arxiv] Laissez votre graphique parler : encodage de données structurées pour les LLM. 2024.02
[arxiv] CADReN : réseau relationnel contextuel piloté par ancre pour l'estimation de l'importance des nœuds de graphiques croisés contrôlables. 2024.02
[arxiv] Un schéma de raisonnement LLM amélioré basé sur des invites via une collaboration intégrée à Knowledge Graph. 2024.02
[arxiv] Génération SPARQL : une analyse sur le réglage fin d'OpenLLaMA pour la réponse aux questions sur un graphe de connaissances en sciences de la vie. 2024.02
[arxiv] Interaction entre la communication sémantique et l'apprentissage des connaissances. 2024.02
[arxiv] GUARD : jeu de rôle pour générer des jailbreaks en langage naturel afin de tester le respect des lignes directrices des grands modèles de langage. 2024.02
[arxiv] Rendu de graphiques pour le raisonnement graphique dans les grands modèles de langage multimodaux. 2024.02
[arxiv] Évaluation du LLM - Diagnostic multimodal généré à partir d'images médicales et d'analyses des symptômes. 2024.02
[EACL 2024] Distillation de contextualisation à partir d'un grand modèle linguistique pour l'achèvement du Knowledge Graph. 2024.02
[EACL 2024] Une analyse comparative des grands modèles linguistiques conversationnels dans la génération de texte basée sur les connaissances. 2024.02
[arxiv] Capture de connaissances symboliques en temps rapide avec de grands modèles de langage. 2024.02 [Repo]
[arxiv] Détection efficace des bogues dans les moteurs de bases de données graphiques : une approche basée sur LLM. 2024.02
[arxiv] Deux têtes valent mieux qu'une : intégration des connaissances des graphes de connaissances et des grands modèles de langage pour l'alignement des entités. 2024.01
[arxiv] Analyse comparative de grands modèles linguistiques dans l'attribution de réponses à des questions complexes à l'aide de Knowledge Graphs. 2024.01
[arxiv] Exploration de chemin guidée par des indices : un cadre de questions-réponses de base de connaissances efficace avec une faible consommation de ressources informatiques. 2024.01
[AAAI 2024] KAM-CoT : Raisonnement multimodal en chaîne de pensées augmenté par les connaissances. 2024.01
[arxiv] Le contexte est important : repousser les limites de la génération de réponses ouvertes avec un contexte de connaissances structuré par graphiques. 2024.01
[arxiv] Soutenir les décisions des étudiants sur les recommandations d'apprentissage : un chatbot basé sur LLM avec une contextualisation de Knowledge Graph pour l'explicabilité conversationnelle et le mentorat. 2024.01
[arxiv] Distiller les connaissances sur les séquences d'événements à partir de grands modèles de langage. 2024.01
[ACL 24] Les grands modèles de langage peuvent apprendre le raisonnement temporel. 2024.01 [Repo]
[arxiv] Chaîne d'histoire : apprentissage et prévision avec des LLM pour l'achèvement des graphiques de connaissances temporelles. 2024.01
[arxiv] TechGPT-2.0 : un grand projet de modèle de langage pour résoudre la tâche de construction de graphes de connaissances. 2024.01 [Repo]
[arxiv] Évaluation de grands modèles de langage dans l'analyse sémantique pour la réponse conversationnelle aux questions via des graphiques de connaissances. 2024.01
[arxiv] La Terre est plate ? Dévoilement d'erreurs factuelles dans les grands modèles de langage. 2024.01
[arxiv] keqing : la réponse aux questions basée sur les connaissances est un mentor naturel de chaîne de pensée du LLM. 2024.01
[arxiv] Quartet Logic : Un cadre de raisonnement en quatre étapes (QLFR) pour faire progresser la classification des textes courts. 2024.01
[arxiv] Réponse aux questions conversationnelles avec reformulations sur Knowledge Graph. 2023.12
[arxiv] Réflexion et récupération : un graphique de connaissances d'hypothèses, des modèles de langage médical améliorés. 2023.12
[arxiv] KnowledgeNavigator : tirer parti de grands modèles de langage pour un raisonnement amélioré via Knowledge Graph. 2023.12
[arxiv] Intelligence générative urbaine (UGI) : une plateforme fondamentale pour les agents dans l'environnement urbain incarné. 2023.12
[arxiv] Vérification des faits Zero-Shot avec des triples sémantiques et des graphiques de connaissances. 2023.12
[arxiv] KGLens : une solution de graphique de connaissances paramétrée pour évaluer ce qu'un LLM fait et ne sait pas. 2023.12
[arxiv] LLM-ARK : Raisonnement par graphes de connaissances à l'aide de grands modèles de langage via l'apprentissage par renforcement profond. 2023.12
[arxiv] Vers une assistance au développement de logiciels d'IA digne de confiance. 2023.12
[arxiv] KnowGPT : injection de connaissances en boîte noire pour les grands modèles de langage. 2023.12
[arxiv] Améliorer les grands modèles linguistiques en matière d'exploration de connaissances pour le marketing en ligne avec une augmentation progressive des invites. 2023.12
[arxiv] Ingénierie conceptuelle utilisant de grands modèles de langage. 2023.12
[arxiv] Au-delà de l'isolation : synergie multi-agents pour améliorer la construction de graphes de connaissances. 2023.12
[arxiv] Extraction de triplet de graphes de connaissances à zéro et à quelques coups avec de grands modèles de langage. 2023.12
[arxiv] Sur l'exploration de la capacité de raisonnement des grands modèles de langage avec des graphiques de connaissances. 2023.11
[arxiv] Génération d'invites optimisée pour les graphiques de connaissances biomédicales pour les grands modèles de langage. 2023.11 [Repo]
[arxiv] Une approche graphique en texte pour la génération de réponses fondées sur les connaissances dans l'interaction homme-robot. 2023.11
[EMNLP 2023]Revisiter les cadres d'injection de connaissances. 2023.12
[EMNLP 2023]L'exactitude des connaissances factuelles est-elle importante pour les modèles linguistiques pré-entraînés améliorés par les connaissances factuelles ? 2023.12
[EMNLP 2023]ReasoningLM : Activation du raisonnement de sous-graphes structurels dans des modèles de langage pré-entraînés pour la réponse aux questions sur Knowledge Graph. 2023.12
[Résultats EMNLP 2023] KIGGPT : modèle de langage étendu avec connaissances en contexte pour l'achèvement du Knowledge Graph. 2023.12
[arxiv] $R^3$ -NL2GQL : une approche de modèles hybrides pour l'amélioration de la précision et l'atténuation des hallucinations. 2023.11
[arxiv] Atténuer les hallucinations des grands modèles de langage via une modernisation basée sur un graphique de connaissances autonome. 2023.11
[EMNLP 2023] Les LLM affinés en savent plus, hallucinent moins avec une analyse sémantique séquence à séquence de quelques coups sur Wikidata. 2023.11
[arxiv] Tirer parti des LLM dans la réponse aux questions du Scholarly Knowledge Graph. 2023.11
[arxiv] Alignement des préférences bien informé pour les LLM dans la réponse aux questions spécifiques à un domaine. 2023.11
[arxiv] OLaLa : correspondance d'ontologies avec de grands modèles de langage. 2023.11
[arxiv] Apprentissage en contexte pour la réponse aux questions de la base de connaissances pour les systèmes sans pilote basés sur de grands modèles de langage. 2023.11
[arxiv] Découvrons davantage de relations API : une chaîne d'IA basée sur un grand modèle de langage pour l'inférence de relations API non supervisée. 2023.11
[arxiv] Le formulaire suit la fonction : génération de graphiques conditionnels texte à texte basée sur les exigences fonctionnelles. 2023.11
[arxiv] Les grands modèles linguistiques rencontrent les graphiques de connaissances pour répondre aux questions factuelles. 2023.10
[arxiv] Sélection du type de candidat à la réponse : le modèle linguistique texte à texte pour la réponse aux questions à livre fermé répond aux graphiques de connaissances. 2023.10
[arxiv] Invite basée sur les connaissances : évaluation et progression de la génération de données textuelles cliniques avec de grands modèles linguistiques. 2023.10
[arxiv] DIVKNOWQA : évaluation de la capacité de raisonnement des LLM via la réponse aux questions en domaine ouvert sur la base de connaissances et le texte. 2023.10
[arxiv] Graphe ontologique augmenté par récupération générative et stratégies multi-agents pour la conception de matériaux interprétatifs basés sur un modèle de grand langage. 2023.10
[arxiv] Une méthode de recommandation de modèles de civilisation écologique multimodale basée sur de grands modèles de langage et un graphique de connaissances. 2023.10
[arxiv] LoRAShear : Élagage structuré et récupération de connaissances efficaces d'un grand modèle de langage. 2023.10
[arxiv] Agent graphique : agent de raisonnement explicite pour les graphiques. 2023.10
[arxiv] Une méthode de compréhension de schéma en contexte pour répondre aux questions de la base de connaissances. 2023.10
[arxiv] GraphGPT : réglage des instructions graphiques pour les grands modèles de langage. 2023.10
[Résultats EMNLP 2023] Évaluation systématique des connaissances factuelles dans les grands modèles linguistiques. 2023.10
[Résultats EMNLP 2023] KG-GPT : Un cadre général pour raisonner sur des graphes de connaissances à l'aide de grands modèles de langage. 2023.10
[arxiv] MechGPT, une stratégie basée sur le langage pour la modélisation de la mécanique et des matériaux qui relie les connaissances à travers les échelles, les disciplines et les modalités. 2023.10
[arxiv] Qilin-Med : modèle médical avancé en grand langage d'injection de connaissances en plusieurs étapes. 2023.10
[arxiv] ChatKBQA : un cadre de génération puis de récupération pour la réponse aux questions de la base de connaissances avec de grands modèles de langage optimisés. 2023.10
[arxiv] Des grands modèles linguistiques aux graphiques de connaissances pour la découverte de biomarqueurs dans le cancer. 2023.10
[arxiv] Améliorer les performances des grands modèles de langage dans la complétion des Knowledge Graphs. 2023.10
[arxiv] CP-KGC : complétion de graphiques de connaissances à invite contrainte avec de grands modèles de langage. 2023.10
[arxiv] PHALM : Créer un graphique de connaissances à partir de zéro en invitant les humains et un modèle de langage. 2023.10
[arxiv] InstructProtein : aligner le langage humain et protéique via l'enseignement des connaissances. 2023.10
[arxiv] Les grands modèles linguistiques rencontrent les graphiques de connaissances pour répondre aux questions factuelles. 2023.10
[arxiv] Mots croisés de connaissances : raisonnement géométrique sur des connaissances structurées avec de grands modèles de langage. 2023.10
[ICLR 2024] Raisonnement sur des graphiques : raisonnement fidèle et interprétable sur un grand modèle de langage. 2023.10 [Reprise]
[arxiv] RelBERT : Intégration de relations avec des modèles de langage. 2023.10
[arxiv] Évaluation des capacités des grands modèles de langage pour la création et la compréhension de graphes de connaissances RDF : dans quelle mesure les LLM parlent-ils la tortue ?. 2023.09
[arxiv] Discutons pour trouver les API : connecter Human, LLM et Knowledge Graph via AI Chain. 2023.09
[arxiv] Invite neuronale graphique avec de grands modèles de langage. 2023.09
[arxiv] Une approche de représentation des connaissances pour la modélisation des connaissances sur les contrats de construction. 2023.09
[arxiv] Retrieve-Rewrite-Answer : un cadre LLM amélioré KG-to-Text pour la réponse aux questions du Knowledge Graph. 2023.09
[arxiv] « Fusionner les conflits ! » Explorer les impacts des distractions externes sur les graphiques de connaissances paramétriques. 2023.09
[arxiv] FactLLaMA : Optimisation des modèles de langage de suivi d'instructions avec des connaissances externes pour une vérification automatisée des faits. 2023.09
[arxiv] ChatRule : Exploration de règles logiques avec de grands modèles linguistiques pour le raisonnement par Knowledge Graph. 2023.09
[AAAI 2024] Apprentissage en contexte de style code pour la réponse aux questions basée sur les connaissances. 2023.09
[arxiv] Libérer la puissance de l'apprentissage graphique grâce à des agents autonomes basés sur LLM. 2023.09
[arxiv] Grands modèles linguistiques d'optimisation des connaissances avec des bases de connaissances médicales structurées pour une génération de réponses fiables en chinois. 2023.09
[arxiv] Knowledge Solver : enseigner aux LLM à rechercher des connaissances de domaine à partir de Knowledge Graphs. 2023.09
[arxiv] Liaison d'entités biomédicales avec une pré-formation triple conscience. 2023.08
[arxiv] Exploration de grands modèles linguistiques pour la complétion des Knowledge Graphs. 2023.08 [Repo]
[arxiv] Développement d'une référence évolutive pour l'évaluation de grands modèles de langage dans l'ingénierie des graphes de connaissances. 2023.08
[arxiv] Exploitation d'un graphique de connaissances médicales dans de grands modèles linguistiques pour la prédiction des diagnostics. 2023.08
[arxiv] LKPNR : LLM et KG pour un cadre de recommandation d'actualités personnalisé. 2023.08
[arxiv] Knowledge Graph invitant à répondre à des questions multi-documents. 2023.08
[arxiv] Tête-à-queue : dans quelle mesure les grands modèles linguistiques (LLM) sont-ils compétents ? AKA Les LLM remplaceront-ils les Knowledge Graphs ?. 2023.08
[arxiv] MindMap : un graphique de connaissances qui suscite un graphique de pensées dans de grands modèles de langage. 2023.08
[arxiv] Vers des intégrations sémantiquement enrichies pour la complétion des Knowledge Graphs. 2023.07
[TKDE 2024] AutoAlign : alignement entièrement automatique et efficace des graphiques de connaissances activé par les grands modèles linguistiques. 2023.07
[arxiv] Utilisation de grands modèles de langage pour la génération de langage naturel Zero-Shot à partir de Knowledge Graphs. 2023.07
[ICLR 2024] Think-on-Graph : Raisonnement approfondi et responsable d'un grand modèle de langage avec Knowledge Graph. 2023.07
[Explorations SIGKDD 2024] Explorer le potentiel des grands modèles linguistiques (LLM) dans l'apprentissage sur les graphiques. 2023.07
[arxiv] Exploration d'un grand modèle de langage pour la compréhension des données graphiques dans les recommandations d'emploi en ligne. 2023.07
[arxiv] RecallM : une architecture pour la compréhension du contexte temporel et la réponse aux questions. 2023.07
[arxiv] Ingénierie des graphes de connaissances assistée par LLM : expériences avec ChatGPT. 2023.07
[arxiv] Invite itérative Zero-Shot LLM pour la construction d'un graphique de connaissances. 2023.07
[arxiv] Bonhomme de neige : un graphique de connaissances de bon sens chinois à l'échelle d'un million distillé à partir du modèle de base. 2023.06
[arxiv] Modèle de langage à connaissances augmentées invitant à répondre aux questions du graphique de connaissances Zero-Shot. 2023.06
[arxiv] Affiner les modèles linguistiques des grandes entreprises via le raisonnement ontologique. 2023.06
[NeurIPS 2023] Distillation du raisonnement augmenté par les connaissances pour les petits modèles de langage dans les tâches à forte intensité de connaissances. 2023.05
[arxiv] Amélioration de la construction de graphes de connaissances à l'aide de grands modèles de langage. 2023.05
[arxiv] ChatGraph : classification de texte interprétable en convertissant les connaissances ChatGPT en graphiques. 2023.05
[ACL 2023] FactKG : Vérification des faits via un raisonnement sur des Knowledge Graphs. 2023.05
[arxiv] HiPrompt : fusion de connaissances biomédicales en quelques étapes via des invites orientées hiérarchie. 2023.04
[EMNLP 2023] StructGPT : Un cadre général pour un grand modèle de langage permettant de raisonner sur des données structurées. 2023.05
[ICLR 2024] Exploiter les explications : interprète LLM-to-LM pour un apprentissage amélioré de la représentation graphique attribuée au texte. 2023.05
[arxiv] LLM pour la construction et le raisonnement de Knowledge Graph : capacités récentes et opportunités futures. 2023.05 [Repo]
[NeurIPS 2023] Les modèles linguistiques peuvent-ils résoudre des problèmes de graphes en langage naturel ? 2023.05
[arxiv] Les modèles de complétion de graphes de connaissances sont des apprenants peu nombreux : une étude empirique de l'étiquetage des relations dans le commerce électronique avec les LLM. 2023.05
[arxiv] Les grands modèles de langage peuvent-ils générer des déclarations négatives saillantes ? 2023.05
[arxiv] GPT4Graph : les grands modèles linguistiques peuvent-ils comprendre les données structurées sous forme de graphiques ? Une évaluation empirique et une analyse comparative. 2023.05
[arxiv] Raisonnement logique complexe sur des graphiques de connaissances utilisant de grands modèles de langage. 2023.05 [Repo]
[arxiv] Raisonnement causal et grands modèles linguistiques : ouvrir une nouvelle frontière pour la causalité. 2023.04
[arxiv] Les grands modèles de langage peuvent-ils créer des graphiques causals ? 2023.04
[arxiv] Utilisation de plusieurs graphiques de connaissances RDF pour enrichir les réponses ChatGPT. 2023.04
[arxiv] Graph-ToolFormer : pour doter les LLM d'une capacité de raisonnement graphique via une invite augmentée par ChatGPT. 2023.04
[arxiv] Interrogation rapide structurée et extraction récursive de la sémantique (SPIRES) : une méthode pour peupler les bases de connaissances à l'aide d'un apprentissage sans tir. 2023.04 [Repo]

Ressources et analyse comparative

[arxiv] STaRK : Analyse comparative de la récupération LLM sur les bases de connaissances textuelles et relationnelles. 2024.04 [Repo]
[arxiv] RareBench : les LLM peuvent-ils servir de spécialistes des maladies rares ?. 2024.02
[arxiv] Analyse comparative de grands modèles linguistiques dans l'attribution de réponses à des questions complexes à l'aide de Knowledge Graphs. 2024.01
[ACL 24] Les grands modèles de langage peuvent apprendre le raisonnement temporel. 2024.01 [Repo]
[arxiv] AbsPyramid : évaluation de la capacité d'abstraction des modèles de langage avec un graphique d'implication unifié. 2023.11
[arxiv] Une référence pour comprendre le rôle des graphiques de connaissances sur la précision du grand modèle linguistique pour la réponse aux questions sur les bases de données SQL d'entreprise. 2023.11
[arxiv] Vers une génération vérifiable : une référence pour l'attribution de modèles linguistiques sensibles aux connaissances. 2023.10
[EMNLP 2023] MarkQA : un ensemble de données KBQA à grande échelle avec raisonnement numérique. 2023.10
[CIKM 2023] Enrichissement d'ontologies à partir de textes : un ensemble de données biomédicales pour la découverte et le placement de concepts. 2023.06
[arxiv] Xiezhi : une référence en constante mise à jour pour l'évaluation holistique des connaissances du domaine. 2023.06
[Démonstrations du système AACL 2023] LambdaKG : une bibliothèque pour les intégrations de graphes de connaissances basées sur un modèle de langage pré-entraîné 2023.03 [Repo]
[arxiv] Construction d'ensembles de données paires de graphiques et de textes de connaissances informés par une évaluation cyclique. 2023.09
[arxiv] Des grands modèles linguistiques aux graphiques de connaissances pour la découverte de biomarqueurs dans le cancer. 2023.10
[ISWC 2023] Text2KGBench : une référence pour la génération de graphes de connaissances basée sur l'ontologie à partir de texte. 2023.08

Contribution

Contributeurs

? Contribuer ( bienvenue ! )

Ajoutez un nouvel article ou mettez à jour un article LLM existant lié à KG.
? Utilisez le même format que les entrées existantes pour décrire le travail.
? Une très brève explication des raisons pour lesquelles vous pensez qu'un article devrait être ajouté ou mis à jour est recommandée (pas nécessaire) via Adding Issues ou Pull Requests .

Ne vous inquiétez pas si vous faites quelque chose de mal, ils seront corrigés pour vous. N'hésitez pas à contribuer et à promouvoir votre superbe travail ici ! ? Nous vous répondrons à temps ~

? Citer:

Si ce Repo vous est utile, pensez à citer notre article. Nous l'apprécierions grandement :)

 @article{DBLP:journals/corr/abs-2311-06503,
  author       = {Yichi Zhang and
                  Zhuo Chen and
                  Yin Fang and
                  Lei Cheng and
                  Yanxi Lu and
                  Fangming Li and
                  Wen Zhang and
                  Huajun Chen},
  title        = {Knowledgeable Preference Alignment for LLMs in Domain-specific Question
                  Answering},
  journal      = {CoRR},
  volume       = {abs/2311.06503},
  year         = {2023}
}

 @article{DBLP:journals/corr/abs-2310-06671,
  author       = {Yichi Zhang and
                  Zhuo Chen and
                  Wen Zhang and
                  Huajun Chen},
  title        = {Making Large Language Models Perform Better in Knowledge Graph Completion},
  journal      = {CoRR},
  volume       = {abs/2310.06671},
  year         = {2023}
}

Développer