Feb, 2024
基于伪知识图谱与多源知识图谱的大型语言模型增强在开放式问答中的应用
Enhancing Large Language Models with Pseudo- and Multisource- Knowledge Graphs for Open-ended Question Answering
Jiaxiang Liu, Tong Zhou, Yubo Chen, Kang Liu, Jun Zhao
TL;DR采用伪图生成和原子知识验证相结合的框架,实现了在开放式问题回答环境中利用知识图谱 (KG) 增强大型语言模型 (LLM),对于开放式问题的 ROUGE-L 得分至少提高 11.5,对于精确问题的准确度至少提高 7.5,并展示了在不同 KG 来源下的泛化能力。