提出了基于大型语言模型和语义网络的隐私合规方法，通过开发隐私政策合规验证知识图谱（PrivComp-KG），有效存储和检索有关隐私政策、法规框架和领域特定知识的全面信息，实现对供应商隐私政策与相关政策法规的合规性查询。

Apr, 2024

研究探索了利用大型语言模型（LLMs）自动提取食品安全领域与要求相关的法律内容并检查法规工件的合规性。研究结果表明，LLMs 在提高法规合规性和监管分析效率方面具有显著的潜力，尤其通过减少手动工作量，提高准确性，并在合理的时间和财务限制下实现。

Apr, 2024

这篇论文探讨了使用大型语言模型（LLMs）对知识图谱（KG）完成模型进行自动评估的方法。通过使用通用生成型人工智能和 LLMs，可以替代传统的基于人工标注的大规模验证方法，引入了一种基于开源结构和语义验证工具的框架，以及灵活的事实检查和验证方法，并支持参考任何外部知识源的功能。该设计易于适应和扩展，可以通过模型内开发的知识、用户提供的上下文以及能够获取外部知识的代理来验证任何类型的图形结构数据。

Apr, 2024

本文介绍了自动化构建特定查询的文档和实体知识图谱（KGs）以及使用排名系统获取相关文件和实体之间的关系的方法，重点关注代码数据集，此外，提到了使用实体反馈技术来改善文档排名效果、适应性 KG 检索算法和基于图神经网络（GNN）的加权方法等未来的研究方向和挑战。

Nov, 2022

本研究调查了大型语言模型（LLMs）与知识图谱（KGs）之间的协同关系，旨在探讨 KG 问答、本体生成、KG 验证以及通过 LLMs 提高 KG 准确性和一致性等领域的研究空白。该论文还检验了 LLMs 在生成描述性文本和自然语言查询方面的作用，并通过分类 LLM-KG 交互、研究方法论和合作使用以及潜在偏见等结构化分析，提供了它们的结合潜力的新见解。该研究强调了它们的交互对于提升人工智能应用的重要性，并概述了未来的研究方向。

Jun, 2024

本文研究在一个开放式世界的文本冒险游戏中生成叙事的设定，使用游戏状态的图形表示来训练模型，可以消耗和输出基于图形的表示和自然语言描述和动作。通过结合众包和模拟游戏玩法构建一组大量的任务和复杂的动作数据集来构建这样的模型，发现通过在图形上下文和目标上训练可以改善动作叙述模型的一致性，即使在测试时没有图形。这在自动指标和人类评估中都得到了证明。我们计划公开代码、新一组任务和最佳表现模型。

Jan, 2023

本研究旨在通过机器学习，利用一种联合的代码 - 文本嵌入空间，在没有任务相关数据的情况下，实现编码策略的遵从性评估，并在 CWE 和 CBP 列表上比较我们的工具 Policy2Code 和 CodeBERT 的分类准确性和搜索效率。

Sep, 2022

通过结合大型语言模型（LLMs）和知识图谱（KGs），本研究论文提出了一种自动构建知识图谱的方法，并讨论了在数字教育环境中，LLMs 与 KGs 结合在问答任务中的初步应用。

Apr, 2024

本研究提出了基于知识图谱的语言模型 (KGLM)，它通过从知识图谱中选择和复制与上下文相关的事实来生成准确的文本，在此基础上，引入了对齐 Wikidata 知识图谱的已注释文本的 Linked WikiText-2 数据集，通过实验比较，证明了 KGLM 在生成需要熟知事实的语句方面的性能优于现有的强基准语言模型。

Jun, 2019

通过关键词提取和图拉普拉斯学习，AutoKG 用于自动构建知识图谱的轻量高效方法，通过向语言模型丰富 LLM 输出，提供了比语义相似性搜索更全面和相互关联的知识检索机制。

Nov, 2023