每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成,并以非盈利为基础运营。
论文版权归作者及相关机构所有,分享时请注明出处。

IQUEST:知识库问答的迭代问题引导框架

Created by
  • Haebom

作者

王帅, 于一男

大纲

本文提出了一种集成外部知识资源(特别是知识图谱 (KG))的方法,以解决知识密集型环境中大规模语言模型 (LLM) 的事实不准确性问题。我们专注于处理复杂多跳查询的基于知识的问答系统 (KBQA),并解决两个关键挑战:保持一致的推理路径和防止过早放弃关键的多跳连接。为此,我们引入了基于问题的 KBQA 框架 iQUEST。它以迭代方式将复杂查询分解为更简单的子问题,并在每个推理步骤中集成图神经网络 (GNN),以利用两跳邻居信息。iQUEST 在四个基准数据集和四个 LLM 上均展现出持续的性能提升。

Takeaways, Limitations

Takeaways:
提出了通过KG集成来提高LLM事实准确性的可能性。
提出用于复杂查询处理的 IQUEST 框架(利用迭代分解和 GNN)。
展示跨不同数据集和 LLM 的一致性能改进。
Limitations:
缺乏有关特定数据集和 LLM 类型的详细信息。
缺乏有关 IQUEST 框架的详细实现和性能分析的信息。
缺乏对所提出的方法的普遍性及其解决其他问题的适用性的讨论。
👍