ดาวน์โหลด KG LLM Papers - ดาวน์โหลดซอร์สโค้ด KG LLM Papers

KG-LLM-เอกสาร

LLM สามารถทำอะไรให้กับ KG ได้บ้าง? หรืออีกนัยหนึ่ง KG สามารถมีบทบาทอะไรได้บ้างในยุคของ LLM

- พื้นที่เก็บข้อมูลนี้รวบรวมเอกสารที่รวม กราฟความรู้ (KG) และ แบบจำลองภาษาขนาดใหญ่ (LLM)

- ยินดีแนะนำเอกสารที่ขาดหายไปผ่าน Adding Issues หรือ Pull Requests

- ข่าว

2024-05 บทความของเรา Knowledgeable Preference Alignment สำหรับ LLM ในการตอบคำถามเฉพาะโดเมนได้รับการยอมรับโดย ACL 2024 [ Repo ]
2024-02 เราพิมพ์กราฟความรู้แบบสำรวจล่วงหน้าพบกับการเรียนรู้แบบหลายรูปแบบ: แบบสำรวจที่ครอบคลุม [ Repo ]
2023-10 เราพิมพ์รายงานของเราล่วงหน้าเรื่อง Making Large Language Models ทำงานได้ดีขึ้นในการเติมกราฟความรู้ให้สมบูรณ์ และเผยแพร่ [ Repo ]
2023-06 เราสร้างพื้นที่เก็บข้อมูลนี้เพื่อเก็บรักษารายการกระดาษเกี่ยวกับ Intergrating Knowledge Graphs and Large Language Models

เนื้อหา

เอกสาร
- - แบบสำรวจ
- ⚙ วิธีการ
- - ทรัพยากร

เอกสาร

แบบสำรวจ

[arxiv] กราฟความรู้พบกับการเรียนรู้แบบหลายรูปแบบ: แบบสำรวจที่ครอบคลุม 2024.02
[arxiv] กราฟความรู้สามารถลดอาการประสาทหลอนใน LLM ได้หรือไม่ : แบบสำรวจ. 2023.11
[arxiv] แบบสำรวจข้อเท็จจริงในแบบจำลองภาษาขนาดใหญ่: ความรู้ การสืบค้น และความจำเพาะของโดเมน 2023.10
[arxiv] ว่าด้วยวิวัฒนาการของกราฟความรู้: การสำรวจและมุมมอง 2023.10
[arxiv] การเปรียบเทียบความสามารถของโมเดลภาษาขนาดใหญ่สำหรับการสร้างและความเข้าใจกราฟความรู้ของ RDF: LLM พูดเต่าได้ดีแค่ไหน 2023.09
[arxiv] การอธิบายสำหรับโมเดลภาษาขนาดใหญ่: แบบสำรวจ 2023.09
[arxiv] กราฟความรู้รุ่นต่างๆ: ไอเดียสุดเจ๋งและผลกระทบทางธุรกิจ 2023.08
[arxiv] โมเดลภาษาขนาดใหญ่และกราฟความรู้: โอกาสและความท้าทาย 2023.08
[TKDE] การรวมโมเดลภาษาขนาดใหญ่และกราฟความรู้เข้าด้วยกัน: แผนงาน 2023.06 [ซื้อคืน]
[arxiv] ChatGPT ยังไม่เพียงพอ: การปรับปรุงโมเดลภาษาขนาดใหญ่ด้วยกราฟความรู้สำหรับการสร้างแบบจำลองภาษาที่คำนึงถึงข้อเท็จจริง 2023.06
[arxiv] แบบสำรวจโมเดลภาษาก่อนการฝึกอบรมเสริมความรู้ 2023.05

วิธี

[arxiv] การถอดรหัสบนกราฟ: การใช้เหตุผลอย่างซื่อสัตย์และมีเหตุผลบนกราฟความรู้ผ่านการสร้างเครือข่ายที่มีรูปแบบดี 2024.10
[arxiv] สู่แบบจำลองพื้นฐานกราฟ: มุมมองของการใช้เหตุผลแบบ Zero-shot บนกราฟความรู้ 2024.10
[NeurIPS 2024] MKGL: การเรียนรู้ภาษาสามคำ 2024.10 [ซื้อคืน]
[NeurIPS 2024] UrbanKGent: กรอบงานตัวแทนโมเดลภาษาขนาดใหญ่แบบครบวงจรสำหรับการสร้างกราฟความรู้ในเมือง 2024.10 [ซื้อคืน]
[ICML 2024] การเน้นแบบหยาบถึงละเอียด: การลดอาการประสาทหลอนในความรู้ในแบบจำลองภาษาขนาดใหญ่ 2024.10 [ซื้อคืน]
[ACL 2024] SAC-KG: การใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่ในฐานะตัวสร้างอัตโนมัติที่มีทักษะสำหรับกราฟความรู้โดเมน 2024.09
[NeurIPS 2024] LLM4EA: การจัดตำแหน่งเอนทิตีด้วยคำอธิบายประกอบที่มีเสียงดังจากโมเดลภาษาขนาดใหญ่ 2024.09 [ซื้อคืน]
[arxiv] ห่วงโซ่แห่งความรู้: การบูรณาการการให้เหตุผลความรู้เข้ากับแบบจำลองภาษาขนาดใหญ่โดยการเรียนรู้จากกราฟความรู้ 2024.07
[arxiv] GraphEval: กรอบการประเมินภาพหลอน LLM ตามกราฟความรู้ 2024.07
[arxiv] Think-on-Graph 2.0: การใช้เหตุผลโมเดลภาษาขนาดใหญ่ที่ลึกซึ้งและตีความได้ด้วยการดึงข้อมูลจากกราฟความรู้ 2024.07
[ISWC 2024] การปรับแต่งโมเดลภาษาขนาดใหญ่ทั่วไปพร้อมคำแนะนำในการเลือกปฏิบัติเพื่อทำให้กราฟความรู้สมบูรณ์ 2024.07
[ผลการวิจัยของ ACL 2024] การตอบคำถามเชิงสร้างสรรค์แบบสองขั้นตอนบนกราฟความรู้ชั่วคราวโดยใช้แบบจำลองภาษาขนาดใหญ่ 2024.07
[arxiv] Tree-of-Traversals: อัลกอริธึมการใช้เหตุผลแบบ Zero-Shot สำหรับการเพิ่มโมเดลภาษากล่องดำด้วยกราฟความรู้ 2024.07
[การค้นพบของ NAACL ในปี 2024] GenTKG: การพยากรณ์เชิงสร้างสรรค์บนกราฟความรู้ชั่วคราวด้วยแบบจำลองภาษาขนาดใหญ่ 2024.06
[ผลการวิจัยของ ACL 2024] การตอบคำถามเชิงสร้างสรรค์แบบสองขั้นตอนบนกราฟความรู้ชั่วคราวโดยใช้แบบจำลองภาษาขนาดใหญ่ 2024.06
[arxiv] การเติมความรู้อย่างมีประสิทธิภาพผ่านการจัดตำแหน่ง KG-LLM 2024.06
[arxiv] กราฟความรู้การสร้างการดึงข้อมูลที่เพิ่มขึ้นสำหรับโหมดความล้มเหลวและการวิเคราะห์ผลกระทบ 2024.06
[arxiv] โมเดลภาษาขนาดใหญ่ที่ปรับปรุงกราฟความรู้ผ่านการเลือกเส้นทาง 2024.06
[arxiv] การเรียนรู้ที่จะวางแผนสำหรับโมเดลภาษาขนาดใหญ่ที่ดึงข้อมูลมาเสริมจากกราฟความรู้ 2024.06
[arxiv] Docs2KG: การสร้างกราฟความรู้แบบครบวงจรจากเอกสารที่แตกต่างกันซึ่งได้รับการช่วยเหลือโดยโมเดลภาษาขนาดใหญ่ 2024.06
[arxiv] UniOQA: กรอบงานแบบครบวงจรสำหรับการตอบคำถามกราฟความรู้ด้วยโมเดลภาษาขนาดใหญ่ 2024.06
[arxiv] การใช้เหตุผลหลายรูปแบบด้วยกราฟความรู้หลายรูปแบบ 2024.06
[arxiv] กราฟความรู้ในการวิจัยทางดาราศาสตร์ด้วยแบบจำลองภาษาขนาดใหญ่: แรงผลักดันเชิงปริมาณในการค้นพบทางวิทยาศาสตร์แบบสหวิทยาการ 2024.06
[arxiv] EffiQA: การตอบคำถามที่มีประสิทธิภาพด้วยการทำงานร่วมกันหลายรูปแบบเชิงกลยุทธ์บนกราฟความรู้ 2024.06
[arxiv] สำรวจแล้วกำหนด: กรอบการทำงานการทำงานร่วมกันของ GNN-LLM สำหรับการให้เหตุผลผ่านกราฟความรู้ 2024.06
[arxiv] EMERGE: การบูรณาการ RAG สำหรับการสร้างแบบจำลองการคาดการณ์ EHR หลายรูปแบบที่ได้รับการปรับปรุง 2024.06
[EPJ Data Science] แวววาวหรือทองคำ? การรับข้อมูลเชิงลึกที่มีโครงสร้างจากรายงานความยั่งยืนผ่านแบบจำลองภาษาขนาดใหญ่ 2024.06
[arxiv] DepsRAG: สู่การจัดการการพึ่งพาซอฟต์แวร์โดยใช้โมเดลภาษาขนาดใหญ่ 2024.06 [ซื้อคืน]
[arxiv] รู้: Ontology ในโลกแห่งความเป็นจริงสำหรับการรวบรวมความรู้ด้วยโมเดลภาษาขนาดใหญ่ 2024.05 [Repo]
[arxiv] HippoRAG: หน่วยความจำระยะยาวที่ได้รับแรงบันดาลใจจากระบบประสาทสำหรับโมเดลภาษาขนาดใหญ่ 2024.05 [Repo]
[arxiv] KG-FIT: การปรับแต่งกราฟความรู้อย่างละเอียดตามความรู้แบบเปิดโลก 2024.05
[arxiv] การบันทึกความรู้เชิงสัญลักษณ์ที่ขับเคลื่อนด้วยอภิปรัชญาตามเวลาพร้อมท์ด้วยโมเดลภาษาขนาดใหญ่ 2024.05 [Repo]
[arxiv] การแบ่งแยกประโยคตามไทม์ไลน์พร้อมการเรียนรู้ในบริบทเพื่อการดึงข้อเท็จจริงชั่วคราว 2024.05
[arxiv] SOK-Bench: เกณฑ์มาตรฐานการใช้เหตุผลผ่านวิดีโอที่มีการจัดวางความรู้แบบโลกเปิดที่สอดคล้อง 2024.05
[arxiv] การบรรเทาอาการประสาทหลอนในแบบจำลองภาษาขนาดใหญ่ผ่านการเรียกค้นความรู้ที่ปรับปรุงด้วยตนเอง 2024.05
[arxiv] การแจ้งโมเดลภาษาขนาดใหญ่พร้อมกราฟความรู้สำหรับการตอบคำถามที่เกี่ยวข้องกับข้อเท็จจริงแบบหางยาว 2024.05
[arxiv] DALK: การเสริมร่วมแบบไดนามิกของ LLM และ KG เพื่อตอบคำถามโรคอัลไซเมอร์ด้วยวรรณกรรมทางวิทยาศาสตร์ 2024.05
[arxiv] BiasKG: กราฟความรู้ของฝ่ายตรงข้ามเพื่อชักนำให้เกิดอคติในโมเดลภาษาขนาดใหญ่ 2024.05
[arxiv] AttacKG+: เพิ่มการสร้างกราฟความรู้การโจมตีด้วยโมเดลภาษาขนาดใหญ่ 2024.05
[arxiv] Sora Detector: การตรวจจับภาพหลอนแบบครบวงจรสำหรับโมเดลข้อความเป็นวิดีโอขนาดใหญ่ 2024.05
[arxiv] FOKE: กรอบการศึกษาส่วนบุคคลและอธิบายได้ซึ่งผสานรวมแบบจำลองพื้นฐาน กราฟความรู้ และวิศวกรรมที่รวดเร็ว 2024.05
[arxiv] การคาดการณ์ความสัมพันธ์สำหรับการเติมกราฟความรู้ให้สมบูรณ์โดยใช้โมเดลภาษาขนาดใหญ่ 2024.05
[arxiv] การประเมินแบบจำลองภาษาขนาดใหญ่สำหรับการสรุปโครงสร้างวิทยาศาสตร์ในกราฟความรู้การวิจัยแบบเปิด 2024.05
[arxiv] การปรับปรุงการใช้เหตุผลที่ซับซ้อนบนกราฟความรู้ด้วยการปรับหลักสูตร Logic-Aware 2024.05
[arxiv] การทำนายพฤติกรรมผู้ใช้ถนนที่อธิบายได้โดยใช้ RAG สำหรับการขับขี่อัตโนมัติโดยใช้กราฟความรู้และแบบจำลองภาษาขนาดใหญ่ 2024.05
[arxiv] PrivComp-KG : การใช้ประโยชน์จากกราฟความรู้และโมเดลภาษาขนาดใหญ่สำหรับการตรวจสอบการปฏิบัติตามนโยบายความเป็นส่วนตัว 2024.04
[arxiv] การตอบคำถามแบบ Multi-hop บนกราฟความรู้โดยใช้โมเดลภาษาขนาดใหญ่ 2024.04
[arxiv] การสร้างกราฟความรู้เฉพาะธีมโดยอัตโนมัติ 2024.04
[arxiv] การสร้างแบบดึงข้อมูล-เสริมด้วยกราฟความรู้สำหรับการตอบคำถามการบริการลูกค้า 2024.04
[arxiv] การประเมินความสัมพันธ์สมาชิกของชั้นเรียนในกราฟความรู้โดยใช้แบบจำลองภาษาขนาดใหญ่ 2024.04
[arxiv] KGValidator: กรอบงานสำหรับการตรวจสอบความถูกต้องอัตโนมัติของการสร้างกราฟความรู้ 2024.04
[arxiv] โมเดลภาษาที่ได้รับการปรับปรุงบริบทสำหรับการสร้างการอ้างอิงหลายกระดาษ 2024.04
[arxiv] การใช้เหตุผลบนเส้นทางความรู้ที่มีประสิทธิภาพ: กราฟความรู้แนะนำแบบจำลองภาษาขนาดใหญ่สำหรับการตอบคำถามในโดเมน 2024.04
[arxiv] KG-CTG: การสร้างการอ้างอิงผ่านแบบจำลองภาษาขนาดใหญ่ที่มีกราฟความรู้นำทาง 2024.04
[arxiv] CuriousLLM: ยกระดับ QA หลายเอกสารด้วยการแสดงกราฟความรู้แบบใช้เหตุผล 2024.04
[arxiv] ODA: ตัวแทนที่ขับเคลื่อนด้วยการสังเกตสำหรับการบูรณาการ LLM และกราฟความรู้ 2024.04
[arxiv] การสร้างกราฟความรู้เพื่อเพิ่มการตอบสนอง ChatGPT ในการค้นพบบริการด้านการผลิต 2024.04
[arxiv] แบบสอบถามเชิงตรรกะของความคิด: การนำทางแบบจำลองภาษาขนาดใหญ่เพื่อตอบแบบสอบถามเชิงตรรกะที่ซับซ้อนด้วยกราฟความรู้ 2024.04
[arxiv] แยก กำหนด กำหนดรูปแบบมาตรฐาน: กรอบงานที่ใช้ LLM สำหรับการสร้างกราฟความรู้ 2024.04
[COLM 2024] เปิดตัว LLM: วิวัฒนาการของการเป็นตัวแทนที่แฝงอยู่ในกราฟความรู้แบบไดนามิก 2024.04
[arxiv] การสร้างกราฟความรู้วัสดุเชิงหน้าที่ในวิทยาศาสตร์วัสดุสหสาขาวิชาชีพผ่านแบบจำลองภาษาขนาดใหญ่ 2024.04
[arxiv] เกี่ยวกับการทำให้ข้อมูลที่มีโครงสร้างเชิงเส้นในโมเดลภาษาตัวเข้ารหัส-ตัวถอดรหัส: ข้อมูลเชิงลึกจากข้อความเป็น SQL 2024.04
[arxiv] การเขียนโปรแกรมเพื่อการพัฒนาตนเองสำหรับการตอบคำถามกราฟความรู้ชั่วคราว 2024.04
[arxiv] แผนงานเบื้องต้นสำหรับ LLM ในฐานะผู้ช่วยในการสำรวจ วิเคราะห์ และแสดงกราฟความรู้ 2024.04
[arxiv] การประเมินความเป็นจริงของโมเดลภาษาขนาดใหญ่โดยใช้กราฟความรู้ขนาดใหญ่ 2024.04
[arxiv] การควบคุมพลังของโมเดลภาษาขนาดใหญ่เพื่อการประมวลผลกราฟที่ไม่แน่นอน 2024.04
[arxiv] EventGround: การใช้เหตุผลเชิงบรรยายโดยการต่อสายดินกับกราฟความรู้ที่เน้นเหตุการณ์เป็นหลัก 2024.04
[arxiv] สร้างบนกราฟ: ถือว่า LLM เป็นทั้งตัวแทนและ KG ในการตอบคำถามกราฟความรู้ที่ไม่สมบูรณ์ 2024.04
[arxiv] จากท้องถิ่นสู่สากล: แนวทาง RAG แบบกราฟไปจนถึงการสรุปที่เน้นการสืบค้น 2024.04
[arxiv] HyKGE: กรอบความรู้กราฟสมมุติฐานที่ได้รับการปรับปรุงเพื่อการตอบสนอง LLM ทางการแพทย์ที่แม่นยำและเชื่อถือได้ 2024.04
[arxiv] การประเมินความเป็นจริงของโมเดลภาษาขนาดใหญ่โดยใช้กราฟความรู้ขนาดใหญ่ 2024.04
[arxiv] การประเมินความเป็นจริงของโมเดลภาษาขนาดใหญ่โดยใช้กราฟความรู้ขนาดใหญ่ 2024.04
[arxiv] KnowLA: การปรับปรุงการปรับแต่งพารามิเตอร์อย่างมีประสิทธิภาพด้วยการปรับตัวที่มีความรู้ 2024.03
[LREC-COLING 2024] KC-GenRe: วิธีการจัดอันดับใหม่แบบสร้างใหม่ที่จำกัดความรู้ โดยอิงตามแบบจำลองภาษาขนาดใหญ่สำหรับการเติมกราฟความรู้ให้สมบูรณ์ 2024.03
[arxiv] K-Act2Emo: กราฟความรู้ทั่วไปของเกาหลีสำหรับการแสดงออกทางอารมณ์ทางอ้อม 2024.03
[arxiv] การผสมผสานเนื้อหาเฉพาะโดเมนจากโมเดลภาษาขนาดใหญ่ลงในกราฟความรู้เพื่อการจำแนกสถานะวัตถุ Zero Shot ที่ได้รับการปรับปรุง 2024.03
[arxiv] การสร้างกราฟความรู้เชิงสัมพันธ์เชิงลึกโดยใช้โมเดลภาษาขนาดใหญ่ที่ได้รับการฝึกอบรมล่วงหน้า 2024.03
[arxiv] โทรหาฉันเมื่อจำเป็น: LLM สามารถให้เหตุผลอย่างมีประสิทธิภาพและซื่อสัตย์ต่อสภาพแวดล้อมที่มีโครงสร้าง 2024.03
[arxiv] จากผู้เชี่ยวชาญที่เป็นมนุษย์ไปจนถึงเครื่องจักร: LLM สนับสนุนแนวทางในการสร้างภววิทยาและกราฟความรู้ 2024.03
[arxiv] การใช้เหตุผลที่ซับซ้อนเหนือแบบสอบถามเชิงตรรกะบนกราฟความรู้ทั่วไป 2024.03
[arxiv] กราฟความรู้โมเดลภาษาขนาดใหญ่ (KG-LLM) สำหรับการทำนายลิงก์ 2024.03
[arxiv] KG-Rank: การปรับปรุงโมเดลภาษาขนาดใหญ่สำหรับ QA ทางการแพทย์ด้วยกราฟความรู้และเทคนิคการจัดอันดับ 2024.03
[arxiv] ความก้าวหน้าของการขุดข้อความทางชีวการแพทย์พร้อมความท้าทายของชุมชน 2024.03
[arxiv] กราฟความรู้เป็นแหล่งบริบทสำหรับคำอธิบายคำแนะนำการเรียนรู้โดยใช้ LLM 2024.03
[arxiv] การสรุปข้อเท็จจริงที่เน้นหลักฐานเป็นหลักสำหรับการตอบคำถาม Zero-Shot ที่เสริมความรู้ 2024.03
[arxiv] AceMap: การค้นพบความรู้ผ่านกราฟเชิงวิชาการ 2024.03
[arxiv] KnowPhish: โมเดลภาษาขนาดใหญ่พบกับกราฟความรู้หลายรูปแบบเพื่อเพิ่มประสิทธิภาพการตรวจจับฟิชชิ่งตามการอ้างอิง 2024.03
[arxiv] เผยลิงค์ที่ซ่อนอยู่ระหว่างเอนทิตีความปลอดภัยที่มองไม่เห็น 2024.03
[LREC-COLING 2024] การปรับปรุงกราฟความรู้แบบหลายมุมมองให้สมบูรณ์ด้วยโมเดลภาษาขนาดใหญ่ 2024.03
[arxiv] การผสมผสานความรู้เข้ากับโมเดลภาษาขนาดใหญ่พร้อมข้อความแจ้งตามบริบท 2024.03
[arxiv] CR-LT-KGQA: คำถามกราฟความรู้ที่ตอบชุดข้อมูลที่ต้องใช้เหตุผลทั่วไปและความรู้แบบหางยาว 2024.03
[arxiv] ถูกต้องด้วยเหตุผลที่ถูกต้อง: โมเดลภาษาขนาดใหญ่สำหรับการตอบคำถามกราฟความรู้ทั่วไปที่ตรวจสอบได้ 2024.03
[arxiv] การสร้างคำถาม-คำตอบอัตโนมัติสำหรับความรู้แบบหางยาว 2024.03
[arxiv] AutoRD: ระบบอัตโนมัติและครบวงจรสำหรับการสร้างกราฟความรู้โรคหายากโดยอิงจากโมเดลภาษาขนาดใหญ่ที่ปรับปรุง Ontologies 2024.03
[arxiv] การใช้เหตุผลทางคณิตศาสตร์ที่สอดคล้องกันในตัวเองแบบขั้นตอนด้วยแบบจำลองภาษาขนาดใหญ่ 2024.02
[arxiv] การตอบคำถามเชิงกำเนิดแบบสองขั้นตอนบนกราฟความรู้ชั่วคราวโดยใช้แบบจำลองภาษาขนาดใหญ่ 2024.02
[arxiv] ปลดล็อกพลังของโมเดลภาษาขนาดใหญ่เพื่อการจัดตำแหน่งเอนทิตี 2024.02
[arxiv] การเพิ่มประสิทธิภาพการพยากรณ์กราฟความรู้ชั่วคราวด้วยแบบจำลองภาษาขนาดใหญ่ผ่านการให้เหตุผลแบบลูกโซ่แห่งประวัติศาสตร์ 2024.02
[arxiv] ทำลายอุปสรรค: การใช้แบบจำลองภาษาขนาดใหญ่สำหรับระบบการแนะนำทางอุตสาหกรรมผ่านกราฟความรู้เชิงอนุมาน 2024.02
[arxiv] กราฟความรู้ปรับปรุงการแก้ไขโมเดลภาษาขนาดใหญ่ 2024.02
[arxiv] การบูรณาการ Modality-Aware กับโมเดลภาษาขนาดใหญ่สำหรับการตอบคำถามด้วยภาพตามความรู้ 2024.02
[arxiv] รีทรีฟเวอร์ที่ใช้กราฟจับความรู้ด้านชีวการแพทย์อันยาวนาน 2024.02
[arxiv] LLM ในฐานะผู้บอกกล่าว: การใช้เหตุผลเชิงอุปนัยทรัพยากรต่ำบนกราฟความรู้โดยพลการ 2024.02
[arxiv] ขัดกับสัญชาตญาณ: โมเดลภาษาขนาดใหญ่สามารถเข้าใจกราฟความรู้ได้ดีกว่าที่เราคิด 2024.02
[arxiv] InfuserKI: การปรับปรุงโมเดลภาษาขนาดใหญ่ด้วยกราฟความรู้ผ่านการบูรณาการความรู้แบบ Infuser-Guided 2024.02
[arxiv] สู่การพัฒนาแผนที่ความรู้อัตโนมัติและฐานข้อมูลสำหรับวิศวกรรมวัสดุโดยใช้แบบจำลองภาษาขนาดใหญ่ 2024.02
[arxiv] KG-Agent: กรอบงานตัวแทนอัตโนมัติที่มีประสิทธิภาพสำหรับการให้เหตุผลที่ซับซ้อนบนกราฟความรู้ 2024.02
[arxiv] คำถาม PAT: เกณฑ์มาตรฐานที่อัปเดตด้วยตนเองสำหรับการตอบคำถามชั่วคราวที่ยึดไว้ในปัจจุบัน 2024.02
[arxiv] กรอบงานกราฟการเปลี่ยนภาพแบบย่อสำหรับการทำนายลิงก์แบบ Zero-shot ด้วยโมเดลภาษาขนาดใหญ่ 2024.02
[arxiv] การเพิ่มประสิทธิภาพโมเดลภาษาขนาดใหญ่ด้วยกราฟความรู้แบบหลอกและหลายแหล่งสำหรับการตอบคำถามปลายเปิด 2024.02
[arxiv] G-Retriever: การสร้างแบบดึงข้อมูลเสริมเพื่อการทำความเข้าใจกราฟข้อความและการตอบคำถาม 2024.02
[arxiv] X-LoRA: การผสมผสานของผู้เชี่ยวชาญด้านอะแดปเตอร์ระดับต่ำ กรอบงานที่ยืดหยุ่นสำหรับโมเดลภาษาขนาดใหญ่พร้อมการใช้งานในกลศาสตร์และการออกแบบโปรตีน 2024.02
[arxiv] REALM: การปรับปรุงที่ขับเคลื่อนด้วย RAG ของการวิเคราะห์บันทึกสุขภาพอิเล็กทรอนิกส์หลายรูปแบบผ่านแบบจำลองภาษาขนาดใหญ่ 2024.02
[arxiv] GLaM: การปรับแต่งโมเดลภาษาขนาดใหญ่อย่างละเอียดสำหรับการจัดตำแหน่งกราฟความรู้โดเมนผ่านการแบ่งพาร์ติชันในบริเวณใกล้เคียงและการเข้ารหัสกราฟย่อยแบบกำเนิด 2024.02
[arxiv] ให้กราฟของคุณพูดแทน: การเข้ารหัสข้อมูลที่มีโครงสร้างสำหรับ LLM 2024.02
[arxiv] CADReN: เครือข่ายเชิงสัมพันธ์ที่ขับเคลื่อนด้วยสมอตามบริบทสำหรับการประมาณค่าความสำคัญของโหนดแบบข้ามกราฟที่ควบคุมได้ 2024.02
[arxiv] โครงการการให้เหตุผล LLM แบบพร้อมท์ที่ได้รับการปรับปรุงผ่านการทำงานร่วมกันแบบบูรณาการกราฟความรู้ 2024.02
[arxiv] การสร้าง SPARQL: การวิเคราะห์เกี่ยวกับการปรับแต่ง OpenLLaMA อย่างละเอียดสำหรับการตอบคำถามบนกราฟความรู้ด้านวิทยาศาสตร์ชีวภาพ 2024.02
[arxiv] การทำงานร่วมกันของการสื่อสารความหมายและการเรียนรู้ความรู้ 2024.02
[arxiv] GUARD: การสวมบทบาทเพื่อสร้างการเจลเบรกด้วยภาษาธรรมชาติเพื่อทดสอบการปฏิบัติตามแนวทางของโมเดลภาษาขนาดใหญ่ 2024.02
[arxiv] การเรนเดอร์กราฟสำหรับการให้เหตุผลเชิงกราฟในโมเดลภาษาขนาดใหญ่หลายรูปแบบ 2024.02
[arxiv] การประเมิน LLM -- การวินิจฉัยหลายรูปแบบที่สร้างขึ้นจากภาพทางการแพทย์และการวิเคราะห์อาการ 2024.02
[EACL 2024] การกลั่นตามบริบทจากแบบจำลองภาษาขนาดใหญ่เพื่อการเติมกราฟความรู้ให้สมบูรณ์ 2024.02
[EACL 2024] การวิเคราะห์เปรียบเทียบแบบจำลองภาษาสนทนาขนาดใหญ่ในการสร้างข้อความจากฐานความรู้ 2024.02
[arxiv] การบันทึกความรู้เชิงสัญลักษณ์พร้อมท์ไทม์ด้วยโมเดลภาษาขนาดใหญ่ 2024.02 [ซื้อคืน]
[arxiv] การตรวจจับจุดบกพร่องที่มีประสิทธิภาพในเอ็นจิ้นฐานข้อมูลกราฟ: แนวทางที่ใช้ LLM 2024.02
[arxiv] สองหัวย่อมดีกว่าหัวเดียว: การบูรณาการความรู้จากกราฟความรู้และแบบจำลองภาษาขนาดใหญ่เพื่อการจัดตำแหน่งเอนทิตี 2024.01
[arxiv] การเปรียบเทียบโมเดลภาษาขนาดใหญ่ในการระบุแหล่งที่มาของการตอบคำถามที่ซับซ้อนโดยใช้กราฟความรู้ 2024.01
[arxiv] การสำรวจเส้นทางที่มีเบาะแส: กรอบงานการตอบคำถามฐานความรู้ที่มีประสิทธิภาพพร้อมการใช้ทรัพยากรในการคำนวณต่ำ 2024.01
[AAAI 2024] KAM-CoT: การให้เหตุผลแบบห่วงโซ่แห่งความคิดที่เสริมความรู้หลายรูปแบบ 2024.01
[arxiv] บริบทมีความสำคัญ: ผลักดันขอบเขตของการสร้างคำตอบปลายเปิดด้วยบริบทความรู้ที่มีโครงสร้างกราฟ 2024.01
[arxiv] สนับสนุนการตัดสินใจของนักเรียนเกี่ยวกับคำแนะนำการเรียนรู้: แชทบอทที่ใช้ LLM พร้อมบริบทกราฟความรู้เพื่อการอธิบายและการให้คำปรึกษาในการสนทนา 2024.01
[arxiv] การกลั่นกรองความรู้เกี่ยวกับลำดับเหตุการณ์จากโมเดลภาษาขนาดใหญ่ 2024.01
[ACL 24] โมเดลภาษาขนาดใหญ่สามารถเรียนรู้การใช้เหตุผลชั่วคราวได้ 2024.01 [ซื้อคืน]
[arxiv] ห่วงโซ่แห่งประวัติศาสตร์: การเรียนรู้และการพยากรณ์ด้วย LLM เพื่อความสมบูรณ์ของกราฟความรู้ชั่วคราว 2024.01
[arxiv] TechGPT-2.0: โปรเจ็กต์แบบจำลองภาษาขนาดใหญ่เพื่อแก้ปัญหาการสร้างกราฟความรู้ 2024.01 [ซื้อคืน]
[arxiv] การประเมินโมเดลภาษาขนาดใหญ่ในการแยกวิเคราะห์ความหมายสำหรับการตอบคำถามเชิงสนทนาบนกราฟความรู้ 2024.01
[arxiv] โลกแบนเหรอ? การเปิดเผยข้อผิดพลาดเชิงข้อเท็จจริงในโมเดลภาษาขนาดใหญ่ 2024.01
[arxiv] keqing: การตอบคำถามตามความรู้เป็นพี่เลี้ยงสายโซ่แห่งความคิดตามธรรมชาติของ LLM 2024.01
[arxiv] Quartet Logic: กรอบการใช้เหตุผลสี่ขั้นตอน (QLFR) เพื่อความก้าวหน้าในการจำแนกข้อความสั้น 2024.01
[arxiv] การตอบคำถามเชิงสนทนาพร้อมการปรับโครงสร้างใหม่บนกราฟความรู้ 2023.12
[arxiv] คิดและค้นคืน: กราฟความรู้สมมุติฐานที่ปรับปรุงแบบจำลองภาษาขนาดใหญ่ทางการแพทย์ 2023.12
[arxiv] KnowledgeNavigator: การใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่เพื่อการให้เหตุผลที่ดีขึ้นบนกราฟความรู้ 2023.12
[arxiv] Urban Generative Intelligence (UGI): แพลตฟอร์มพื้นฐานสำหรับตัวแทนในสภาพแวดล้อมของเมืองที่เป็นตัวเป็นตน 2023.12
[arxiv] การตรวจสอบข้อเท็จจริงแบบ Zero-Shot ด้วย Semantic Triples และกราฟความรู้ 2023.12
[arxiv] KGLens: โซลูชันกราฟความรู้แบบกำหนดพารามิเตอร์เพื่อประเมินว่า LLM ทำอะไรและไม่รู้อะไร 2023.12
[arxiv] LLM-ARK: การใช้เหตุผลกราฟความรู้โดยใช้แบบจำลองภาษาขนาดใหญ่ผ่านการเรียนรู้แบบเสริมกำลังเชิงลึก 2023.12
[arxiv] สู่ความช่วยเหลือในการพัฒนาซอฟต์แวร์ AI ที่น่าเชื่อถือ 2023.12
[arxiv] KnowGPT: การแทรกความรู้แบบกล่องดำสำหรับโมเดลภาษาขนาดใหญ่ 2023.12
[arxiv] การสร้างโมเดลภาษาขนาดใหญ่ช่วยให้นักขุดมีความรู้ดีขึ้นสำหรับการตลาดออนไลน์ด้วยการเพิ่มการแจ้งเตือนแบบก้าวหน้า 2023.12
[arxiv] วิศวกรรมแนวความคิดโดยใช้แบบจำลองภาษาขนาดใหญ่ 2023.12
[arxiv] Beyond Isolation: การทำงานร่วมกันหลายตัวแทนเพื่อการปรับปรุงการสร้างกราฟความรู้ 2023.12
[arxiv] การแยก Triplet ของกราฟความรู้แบบ Zero- และ Few-Shots ด้วยโมเดลภาษาขนาดใหญ่ 2023.12
[arxiv] ในการสำรวจความสามารถในการให้เหตุผลของแบบจำลองภาษาขนาดใหญ่ด้วยกราฟความรู้ 2023.11
[arxiv] การสร้างกราฟความรู้ทางชีวการแพทย์ที่ปรับให้เหมาะสมสำหรับแบบจำลองภาษาขนาดใหญ่ 2023.11 [ซื้อคืน]
[arxiv] แนวทางกราฟเป็นข้อความเพื่อสร้างการตอบสนองโดยอาศัยความรู้พื้นฐานในการโต้ตอบระหว่างมนุษย์และหุ่นยนต์ 2023.11
[EMNLP 2023] ทบทวนกรอบการทำงานการแทรกความรู้ 2023.12
[EMNLP 2023]ความถูกต้องของความรู้ตามข้อเท็จจริงมีความสำคัญสำหรับโมเดลภาษาที่ได้รับการฝึกอบรมล่วงหน้าที่เสริมความรู้ตามความเป็นจริงหรือไม่ 2023.12
[EMNLP 2023] การใช้เหตุผลLM: การเปิดใช้งานการใช้เหตุผลเชิงกราฟย่อยเชิงโครงสร้างในแบบจำลองภาษาที่ได้รับการฝึกอบรมล่วงหน้าสำหรับการตอบคำถามบนกราฟความรู้ 2023.12
[ผลการวิจัยของ EMNLP ปี 2023]KICGPT: โมเดลภาษาขนาดใหญ่ที่มีความรู้ในบริบทสำหรับการเติมกราฟความรู้ให้สมบูรณ์ 2023.12
[อาร์ซิฟ] $อาร์^3$ -NL2GQL: แนวทางโมเดลไฮบริดเพื่อเพิ่มความแม่นยำและการบรรเทาภาพหลอน 2023.11
[arxiv] การบรรเทาภาพหลอนแบบจำลองภาษาขนาดใหญ่ผ่านการปรับปรุงตามกราฟความรู้อัตโนมัติ 2023.11
[EMNLP 2023] LLM ที่ได้รับการปรับแต่งอย่างละเอียดรู้มากขึ้น อาการประสาทหลอนน้อยลงด้วยการแยกวิเคราะห์ความหมายแบบลำดับต่อลำดับแบบไม่กี่ช็อตบน Wikidata 2023.11
[arxiv] การใช้ประโยชน์จาก LLM ในการตอบคำถามกราฟความรู้เชิงวิชาการ 2023.11
[arxiv] การจัดแนวการตั้งค่าที่มีความรู้สำหรับ LLM ในการตอบคำถามเฉพาะโดเมน 2023.11
[arxiv] OLaLa: อภิปรัชญาที่จับคู่กับโมเดลภาษาขนาดใหญ่ 2023.11
[arxiv] การเรียนรู้ในบริบทสำหรับการตอบคำถามฐานความรู้สำหรับระบบไร้คนขับตามแบบจำลองภาษาขนาดใหญ่ 2023.11
[arxiv] มาค้นพบความสัมพันธ์ API เพิ่มเติม: เชน AI ที่ใช้โมเดลภาษาขนาดใหญ่สำหรับการอนุมานความสัมพันธ์ API ที่ไม่มีผู้ดูแล 2023.11
[arxiv] แบบฟอร์มเป็นไปตามฟังก์ชัน: การสร้างกราฟแบบมีเงื่อนไขจากข้อความเป็นข้อความตามความต้องการด้านฟังก์ชัน 2023.11
[arxiv] โมเดลภาษาขนาดใหญ่พบกับกราฟความรู้เพื่อตอบคำถามที่เป็นข้อเท็จจริง 2023.10
[arxiv] การเลือกประเภทผู้สมัครตอบ: โมเดลภาษาการแปลงข้อความเป็นข้อความสำหรับการตอบคำถามในหนังสือปิดตรงกับกราฟความรู้ 2023.10
[arxiv] การกระตุ้นเตือนด้วยความรู้: การประเมินและการพัฒนาการสร้างข้อมูลข้อความทางคลินิกด้วยแบบจำลองภาษาขนาดใหญ่ 2023.10
[arxiv] DIVKNOWQA: การประเมินความสามารถในการใช้เหตุผลของ LLM ผ่านการตอบคำถามแบบเปิดโดเมนผ่านฐานความรู้และข้อความ 2023.10
[arxiv] กราฟออนโทโลยีแบบเสริมการดึงข้อมูลแบบทั่วไปและกลยุทธ์หลายเอเจนต์สำหรับการออกแบบวัสดุที่ใช้แบบจำลองภาษาขนาดใหญ่ในการตีความ 2023.10
[arxiv] วิธีการแนะนำรูปแบบอารยธรรมนิเวศหลายรูปแบบโดยอิงจากแบบจำลองภาษาขนาดใหญ่และกราฟความรู้ 2023.10
[arxiv] LoRAShear: การตัดแต่งโครงสร้างแบบจำลองภาษาขนาดใหญ่ที่มีประสิทธิภาพและการกู้คืนความรู้ 2023.10
[arxiv] Graph Agent: ตัวแทนการใช้เหตุผลที่ชัดเจนสำหรับกราฟ 2023.10
[arxiv] วิธีการทำความเข้าใจสคีมาในบริบทสำหรับการตอบคำถามฐานความรู้ 2023.10
[arxiv] GraphGPT: การปรับแต่งคำสั่งกราฟสำหรับโมเดลภาษาขนาดใหญ่ 2023.10
[ข้อค้นพบของ EMNLP ปี 2023] การประเมินความรู้ตามข้อเท็จจริงอย่างเป็นระบบในแบบจำลองภาษาขนาดใหญ่ 2023.10
[การค้นพบของ EMNLP ปี 2023] KG-GPT: กรอบการทำงานทั่วไปสำหรับการใช้เหตุผลบนกราฟความรู้โดยใช้แบบจำลองภาษาขนาดใหญ่ 2023.10
[arxiv] MechGPT กลยุทธ์ที่ใช้ภาษาสำหรับการสร้างแบบจำลองกลศาสตร์และวัสดุที่เชื่อมโยงความรู้ในระดับต่างๆ สาขาวิชา และรูปแบบต่างๆ 2023.10
[arxiv] Qilin-Med: การฉีดความรู้แบบหลายขั้นตอนแบบจำลองภาษาขนาดใหญ่ทางการแพทย์ขั้นสูง 2023.10
[arxiv] ChatKBQA: กรอบงานที่สร้างแล้วดึงข้อมูลสำหรับการตอบคำถามฐานความรู้ด้วยโมเดลภาษาขนาดใหญ่ที่ได้รับการปรับแต่งอย่างละเอียด 2023.10
[arxiv] จากแบบจำลองภาษาขนาดใหญ่ไปจนถึงกราฟความรู้สำหรับการค้นพบตัวบ่งชี้ทางชีวภาพในมะเร็ง 2023.10
[arxiv] การทำให้โมเดลภาษาขนาดใหญ่ทำงานได้ดีขึ้นในการเติมกราฟความรู้ให้สมบูรณ์ 2023.10
[arxiv] CP-KGC: การเติมกราฟความรู้แบบจำกัดและพร้อมท์ด้วยโมเดลภาษาขนาดใหญ่ 2023.10
[arxiv] PHALM: การสร้างกราฟความรู้ตั้งแต่เริ่มต้นโดยการกระตุ้นเตือนมนุษย์และแบบจำลองภาษา 2023.10
[arxiv] InstructProtein: การจัดภาษาของมนุษย์และโปรตีนผ่านการสอนความรู้ 2023.10
[arxiv] โมเดลภาษาขนาดใหญ่พบกับกราฟความรู้เพื่อตอบคำถามที่เป็นข้อเท็จจริง 2023.10
[arxiv] ปริศนาอักษรไขว้ความรู้: การใช้เหตุผลเชิงเรขาคณิตเหนือความรู้เชิงโครงสร้างด้วยแบบจำลองภาษาขนาดใหญ่ 2023.10
[ICLR 2024] การใช้เหตุผลบนกราฟ: การใช้เหตุผลแบบจำลองภาษาขนาดใหญ่ที่ซื่อสัตย์และเข้าใจได้ 2023.10 [ซื้อคืน]
[arxiv] RelBERT: การฝังความสัมพันธ์กับโมเดลภาษา 2023.10
[arxiv] การเปรียบเทียบความสามารถของโมเดลภาษาขนาดใหญ่สำหรับการสร้างและความเข้าใจกราฟความรู้ของ RDF: LLM พูดเต่าได้ดีแค่ไหน? 2023.09
[arxiv] มาแชทเพื่อค้นหา API กันเถอะ: การเชื่อมต่อ Human, LLM และกราฟความรู้ผ่าน AI Chain 2023.09
[arxiv] การแสดงกราฟประสาทด้วยโมเดลภาษาขนาดใหญ่ 2023.09
[arxiv] แนวทางการนำเสนอความรู้สำหรับการสร้างแบบจำลองความรู้เกี่ยวกับสัญญาก่อสร้าง 2023.09
[arxiv] ดึงข้อมูล-เขียนซ้ำ-ตอบ: กรอบงาน LLM ที่ปรับปรุง KG-to-Text สำหรับการตอบคำถามกราฟความรู้ 2023.09
[arxiv] "ผสานความขัดแย้ง!" การสำรวจผลกระทบของสิ่งรบกวนภายนอกต่อกราฟความรู้แบบพาราเมตริก 2023.09
[arxiv] FactLLaMA: การเพิ่มประสิทธิภาพโมเดลภาษาตามคำสั่งด้วยความรู้ภายนอกสำหรับการตรวจสอบข้อเท็จจริงอัตโนมัติ 2023.09
[arxiv] ChatRule: การขุดกฎเชิงตรรกะด้วยโมเดลภาษาขนาดใหญ่สำหรับการให้เหตุผลกราฟความรู้ 2023.09
[AAAI 2024] การเรียนรู้ในบริบทแบบโค้ดสำหรับการตอบคำถามตามความรู้ 2023.09
[arxiv] ปลดปล่อยพลังของการเรียนรู้กราฟผ่านตัวแทนอิสระที่ใช้ LLM 2023.09
[arxiv] แบบจำลองภาษาขนาดใหญ่ที่ปรับแต่งความรู้พร้อมฐานความรู้ทางการแพทย์ที่มีโครงสร้างเพื่อการสร้างการตอบสนองที่เชื่อถือได้ในภาษาจีน 2023.09
[arxiv] Knowledge Solver: การสอน LLM เพื่อค้นหาความรู้โดเมนจากกราฟความรู้ 2023.09
[arxiv] เอนทิตีชีวการแพทย์เชื่อมโยงกับการฝึกอบรมล่วงหน้าแบบ Triple-aware 2023.08
[arxiv] การสำรวจโมเดลภาษาขนาดใหญ่สำหรับการเติมกราฟความรู้ให้สมบูรณ์ 2023.08 [ซื้อคืน]
[arxiv] การพัฒนาเกณฑ์มาตรฐานที่ปรับขนาดได้สำหรับการประเมินแบบจำลองภาษาขนาดใหญ่ในวิศวกรรมกราฟความรู้ 2023.08
[arxiv] การใช้ประโยชน์จากกราฟความรู้ทางการแพทย์ในแบบจำลองภาษาขนาดใหญ่สำหรับการทำนายการวินิจฉัย 2023.08
[arxiv] LKPNR: LLM และ KG สำหรับกรอบการแนะนำข่าวสารส่วนบุคคล 2023.08
[arxiv] กราฟความรู้พร้อมท์สำหรับการตอบคำถามหลายเอกสาร 2023.08
[arxiv] Head-to-Tail: Large Language Models (LLM) มีความรู้แค่ไหน? AKA LLM จะมาแทนที่กราฟความรู้หรือไม่ 2023.08
[arxiv] MindMap: กราฟความรู้ที่กระตุ้นให้เกิดกราฟประกายความคิดในโมเดลภาษาขนาดใหญ่ 2023.08
[arxiv] มุ่งสู่การฝังที่เสริมความหมายเพื่อความสมบูรณ์ของกราฟความรู้ 2023.07
[TKDE 2024] AutoAlign: การจัดแนวกราฟความรู้แบบอัตโนมัติและมีประสิทธิภาพโดยโมเดลภาษาขนาดใหญ่ 2023.07
[arxiv] การใช้โมเดลภาษาขนาดใหญ่สำหรับการสร้างภาษาธรรมชาติแบบ Zero-Shot จากกราฟความรู้ 2023.07
[ICLR 2024] การคิดบนกราฟ: การใช้เหตุผลอย่างลึกซึ้งและมีความรับผิดชอบของโมเดลภาษาขนาดใหญ่พร้อมกราฟความรู้ 2023.07
[การสำรวจ SIGKDD 2024] การสำรวจศักยภาพของโมเดลภาษาขนาดใหญ่ (LLM) ในการเรียนรู้บนกราฟ 2023.07
[arxiv] การสำรวจโมเดลภาษาขนาดใหญ่เพื่อทำความเข้าใจข้อมูลกราฟในการแนะนำงานออนไลน์ 2023.07
[arxiv] RecallM: สถาปัตยกรรมสำหรับการทำความเข้าใจบริบทชั่วคราวและการตอบคำถาม 2023.07
[arxiv] วิศวกรรมกราฟความรู้ที่ได้รับความช่วยเหลือจาก LLM: การทดลองกับ ChatGPT 2023.07
[arxiv] LLM แบบ Zero-Shot แบบวนซ้ำพร้อมท์สำหรับการสร้างกราฟความรู้ 2023.07
[arxiv] มนุษย์หิมะ: กราฟความรู้สามัญสำนึกของจีนล้านระดับกลั่นจากแบบจำลองพื้นฐาน 2023.06
[arxiv] โมเดลภาษาเสริมความรู้ที่พร้อมท์ให้ตอบคำถามกราฟความรู้แบบ Zero-Shot 2023.06
[arxiv] การปรับแต่งโมเดลภาษาองค์กรขนาดใหญ่อย่างละเอียดผ่านการใช้เหตุผลเชิงอภิปรัชญา 2023.06
[NeurIPS 2023] การกลั่นกรองการใช้เหตุผลเสริมความรู้สำหรับแบบจำลองภาษาขนาดเล็กในงานที่เน้นความรู้ 2023.05
[arxiv] การเพิ่มประสิทธิภาพการสร้างกราฟความรู้โดยใช้โมเดลภาษาขนาดใหญ่ 2023.05
[arxiv] ChatGraph: การจัดประเภทข้อความที่ตีความได้โดยการแปลงความรู้ ChatGPT เป็นกราฟ 2023.05
[ACL 2023] FactKG: การตรวจสอบข้อเท็จจริงผ่านการใช้เหตุผลบนกราฟความรู้ 2023.05
[arxiv] HiPrompt: การผสมผสานความรู้ทางชีวการแพทย์เพียงไม่กี่ช็อตผ่านการกระตุ้นเตือนแบบลำดับชั้น 2023.04
[EMNLP 2023] StructGPT: กรอบงานทั่วไปสำหรับแบบจำลองภาษาขนาดใหญ่เพื่อเหตุผลเหนือข้อมูลที่มีโครงสร้าง 2023.05
[ICLR 2024] การใช้คำอธิบาย: ล่าม LLM-to-LM สำหรับการเรียนรู้การแสดงกราฟแบบ Text-Attributed ที่ได้รับการปรับปรุง 2023.05
[arxiv] LLM สำหรับการสร้างกราฟความรู้และการใช้เหตุผล: ความสามารถล่าสุดและโอกาสในอนาคต 2023.05 [ซื้อคืน]
[NeurIPS 2023] โมเดลภาษาสามารถแก้ปัญหากราฟในภาษาธรรมชาติได้หรือไม่ 2023.05
[arxiv] โมเดลการเติมกราฟความรู้ให้สมบูรณ์คือผู้เรียนเพียงไม่กี่คน: การศึกษาเชิงประจักษ์ของการติดป้ายกำกับความสัมพันธ์ในอีคอมเมิร์ซด้วย LLM 2023.05
[arxiv] โมเดลภาษาขนาดใหญ่สามารถสร้างข้อความเชิงลบที่เด่นชัดได้หรือไม่? 2023.05
[arxiv] GPT4Graph: โมเดลภาษาขนาดใหญ่สามารถเข้าใจข้อมูลที่มีโครงสร้างกราฟได้หรือไม่ การประเมินเชิงประจักษ์และการเปรียบเทียบ 2023.05
[arxiv] การใช้เหตุผลเชิงตรรกะที่ซับซ้อนบนกราฟความรู้โดยใช้แบบจำลองภาษาขนาดใหญ่ 2023.05 [ซื้อคืน]
[arxiv] การใช้เหตุผลเชิงสาเหตุและแบบจำลองภาษาขนาดใหญ่: การเปิดพรมแดนใหม่สำหรับความเป็นเหตุเป็นผล 2023.04
[arxiv] โมเดลภาษาขนาดใหญ่สามารถสร้างกราฟเชิงสาเหตุได้หรือไม่? 2023.04
[arxiv] การใช้กราฟความรู้ RDF หลายรายการเพื่อเพิ่มการตอบกลับ ChatGPT 2023.04
[arxiv] Graph-ToolFormer: เพื่อเสริมศักยภาพ LLM ด้วยความสามารถในการให้เหตุผลเชิงกราฟผ่าน Prompt Augmented โดย ChatGPT 2023.04
[arxiv] การซักถามแบบมีโครงสร้างพร้อมท์และการแยกความหมายแบบเรียกซ้ำ (SPIRES): วิธีการเติมฐานความรู้โดยใช้การเรียนรู้แบบ Zero-Shot 2023.04 [ซื้อคืน]

ทรัพยากรและการเปรียบเทียบ

[arxiv] STARK: การเปรียบเทียบการดึงข้อมูล LLM บนฐานความรู้ที่เป็นข้อความและเชิงสัมพันธ์ 2024.04 [ซื้อคืน]
[arxiv] RareBench: LLM สามารถทำหน้าที่เป็นผู้เชี่ยวชาญด้านโรคหายากได้หรือไม่? 2024.02
[arxiv] การเปรียบเทียบโมเดลภาษาขนาดใหญ่ในการระบุแหล่งที่มาของการตอบคำถามที่ซับซ้อนโดยใช้กราฟความรู้ 2024.01
[ACL 24] โมเดลภาษาขนาดใหญ่สามารถเรียนรู้การใช้เหตุผลชั่วคราวได้ 2024.01 [ซื้อคืน]
[arxiv] AbsPyramid: การเปรียบเทียบความสามารถในการนามธรรมของโมเดลภาษาด้วยกราฟ Entailment แบบรวม 2023.11
[arxiv] เกณฑ์มาตรฐานเพื่อทำความเข้าใจบทบาทของกราฟความรู้ต่อความแม่นยำของโมเดลภาษาขนาดใหญ่สำหรับการตอบคำถามในฐานข้อมูล SQL ระดับองค์กร 2023.11
[arxiv] สู่รุ่นที่ตรวจสอบได้: เกณฑ์มาตรฐานสำหรับการระบุแหล่งที่มาของโมเดลภาษาที่รับรู้ความรู้ 2023.10
[EMNLP 2023] MarkQA: ชุดข้อมูล KBQA ขนาดใหญ่พร้อมการให้เหตุผลเชิงตัวเลข 2023.10
[CIKM 2023] การเพิ่มคุณค่าภววิทยาจากข้อความ: ชุดข้อมูลชีวการแพทย์สำหรับการค้นพบแนวคิดและการวางตำแหน่ง 2023.06
[arxiv] Xiezhi: เกณฑ์มาตรฐานที่อัปเดตอยู่เสมอสำหรับการประเมินความรู้โดเมนแบบองค์รวม 2023.06
[การสาธิตระบบ AACL 2023] LambdaKG: ไลบรารีสำหรับการฝังกราฟความรู้ตามแบบจำลองภาษาที่ได้รับการฝึกอบรมล่วงหน้า 2023.03 [Repo]
[arxiv] การสร้างชุดข้อมูลกราฟ-ข้อความความรู้คู่ที่ได้รับแจ้งจากการประเมินแบบวนรอบ 2023.09
[arxiv] จากแบบจำลองภาษาขนาดใหญ่ไปจนถึงกราฟความรู้สำหรับการค้นพบตัวบ่งชี้ทางชีวภาพในมะเร็ง 2023.10
[ISWC 2023] Text2KGBench: เกณฑ์มาตรฐานสำหรับการสร้างกราฟความรู้ที่ขับเคลื่อนด้วย Ontology จากข้อความ 2023.08

ผลงาน

ผู้ร่วมให้ข้อมูล

- มีส่วนร่วม (ยินดีต้อนรับ!)

เพิ่มรายงานใหม่หรืออัปเดตรายงาน LLM ที่เกี่ยวข้องกับ KG ที่มีอยู่
- ใช้รูปแบบเดียวกับรายการที่มีอยู่เพื่ออธิบายงาน
- คำอธิบายสั้น ๆ ว่าทำไมคุณถึงคิดว่าควรเพิ่มหรืออัปเดตรายงาน (ไม่จำเป็น) ผ่าน Adding Issues หรือ Pull Requests

ไม่ต้องกังวลหากคุณใส่อะไรผิด เราจะแก้ไขให้คุณ เพียงอย่าลังเลที่จะมีส่วนร่วมและโปรโมตผลงานที่ยอดเยี่ยมของคุณที่นี่! - เราจะติดต่อกลับให้ทันเวลา~

- อ้างอิง:

หาก Repo นี้เป็นประโยชน์กับคุณ โปรดพิจารณาอ้างอิงเอกสารของเรา เราจะขอบคุณมาก :)

 @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}
}

ขยาย