- 基于大型人工智能模型的语义通信
在本研究中，我们提出了一种基于大型人工智能模型的语义通信框架（LAM-SC），该框架针对图像数据进行设计，其中我们首先设计了一个基于任意语义知识的分割任何模型（SAM）的知识库（SKB），可以通过通用语义知识将原始图像分割为不同的语义片段。 - DaMuEL：用于实体链接的大型多语言数据集
介绍一个包涵 53 种语言数据的 DaMuEL 多语言实体链接大规模数据集，它包含一个关于实体的语言无关信息的知识库和与实体链接到知识库的维基百科文本，使用 Wikidata 的 QID 作为持久的语言无关标识符。
- 非传统认知智能机器人控制：人类情感估计中的量子软计算方法 ——QCOptKB 工具包应用
介绍了基于量子计算和软计算的智能认知控制系统的策略，提取了量子自组织知识库协同效应并将其应用到智能模糊控制器的不完全知识库，利用认知神经接口和不同类型的机器人协作，提高了智能认知控制系统的鲁棒性以应对危险控制情况，并演示了引入量子模糊推理门 - AMELI：细粒度属性增强的多模态实体链接
提出了属性感知的多模态实体链接技术，利用多模态知识库中每个实体的文本描述、图片和属性值，结合 18,472 个评论和 35,598 个产品的大型数据集 AMELI，揭示属性信息在实体链接过程中的重要性，建立了该领域的基准数据集和解决方案。
- 将 GPT-3 与 Few-Shot Sequence-to-Sequence 语义解析结合应用于 Wikidata
本文介绍了基于 Wikidata 的高质量知识库问答基准测试 ——WikiWebQuestions，并使用 SPARQL 注释的真实人类数据建立基准，探讨了基于 Seq2Seq 语义解析器的有效训练数据合成方法以及大型噪声知识图谱的处理方法 - 交互式问答知识对齐减轻语言模型幻觉
介绍一种名为 MixAlign 的框架，通过与用户和知识库的交互来消除语言模型生成虚假和不支持的响应。MixAlign 利用语言模型实现自动问题 - 知识对齐，并在必要时通过人工用户澄清来进一步增强对齐，从而缓解了语言模型幻觉问题，并在实验 - 使用大语言模型进行基因集总结
本研究提出了一种基于 GPT 模型的新的基因集功能摘要方法，该方法使用结构化文本、自由叙述基因概要或直接模型检索等来源来生成 GO 术语列表，但并不能依靠本方法来代替标准术语富集分析，手动筛选方法仍然必要。
- SIGIR双语义知识组合的多模态对话系统
提出了一种名为 MDS-S2 的新型多模式任务导向对话系统，通过从知识库中获取相关属性和关系知识，设计了多级知识组成模块以及一组潜在查询变量以实现表征级别的语义规范化来解决文本响应生成过程中的关键问题。
- FactKB：使用增强事实知识的语言模型进行可泛化事实性评估
文章提出了一种新的事实评估方法 FactKB，该方法使用基于预先抽取的实体知识的语言模型，以达到跨领域的通用性并解决现有模型在新领域中存在的实体和关系错误问题。通过在两个领域内的新闻汇总测试数据和三个跨领域的科学文献数据上测试，FactKB - ANALOGYKB：使用百万级知识库开启语言模型的类比推理
提出了一个基于知识图谱的百万级类比知识库 ANALOGYKB，能够发现两种类型的类比，成功地让模型在类比推理任务中超越了之前最先进的方法。
- DAMO-NLP 在 SemEval-2023 任务 2 中：用于多语言命名实体识别的统一检索增强系统
本文主要介绍了一个针对多语种细粒度命名实体识别的统一检索增强系统（U-RaNER），通过整合基于实体的 Wikidata 知识库来增强检索上下文的范围，探索各种搜索策略，提高检索知识的质量。研究团队 - DAMO-NLP 在 MultiCo - ACL知识库问答的少样本上下文学习
提出了 KB-BINDER，该方法利用 Codex 等大型语言模型生成逻辑形式作为问题的草案，并通过 BM25 得分匹配进行知识库组合，从而能够在统一框架下处理不同 KBQA 数据集中的问题，同时利用 few-shot in-context - S2abEL：科学表格中的实体链接数据集
本研究介绍了一个用于科学表格中实体链接的数据集 S2abEL，利用神经网络方法对在科学表格中许多基于知识库之外的提及进行实体链接，并在机器学习结果表格中的 8,429 个单元格上展示了显著优于最先进的通用表 EL 方法的表现。
- CVPR知识增强的视觉语言导航推理
本文提出了一种基于 Knowledge Enhanced Reasoning Model （KERM）的 Vision-and-language navigation (VLN) 模型，通过整合从语言描述中提取出来的知识，结合视觉、历史、指 - 检查推理数据库中的完整性约束
该研究从逻辑编程角度探讨了基于 SLDNF 证明树的完整性约束操作，定义了一种证明树的数据结构，确定了改变知识库时影响完整性约束的最小条件集。同时，利用此结构可以降低搜索时间和减少工作量。
- ACL基于阅读理解的跨语言知识库问答
该研究对多语言信息处理领域中的跨语言问答问题进行了研究：提出了一种基于阅读理解范式的知识库子图到问题的转换方法，利用汽车预训练语言模型和跨语言阅读理解技术进行跨语言阅读理解，基于现有的高质量跨语言阅读理解数据集进一步优化模型，为跨语言问答领 - 关系抽取中处理零基数的两步方法
本文中，我们通过增加零基数句子，对最先进的实体和关系提取模型进行了更加实际的实验设置与评估，结果表明这种情况下模型的 F1 得分明显下降，提出了基于 BERT 的两步建模方案，可以提高模型在这种实际情况下的性能。
- AAAI分层事件概念化
本研究针对事件接地任务进行了扩展，需要从知识库中处理层次事件结构，通过辅助层次损失提出了一种检索方法，实验结果表明了层次损失的有效性并演示了系统在未见事件中发现层次性的能力。
- TempEL：连接动态演变和新出现的实体
本文介绍了一个新的实体链接 (TempEL) 数据集，可以量化当前最先进的 EL 模型在知识库描述和提及环境中发生时间变化的实体上的性能表现以及那些以前不存在的新实体的实体链接性能，并发现 (在 temporal snapshots 中) - MedKLIP: 医学知识增强的语言 - 图像预训练
该研究论文提出了基于医学图像文本匹配的预训练方法，利用三元组信息和医学专有知识进行医疗分类和定位，取得了比其他方法更好的分类结果。