English(EN) Hypergraph Enterprise Agentic Reasoner over Heterogeneous Business Systems

新的HEAR代理改进了企业系统的LLM推理能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-14 01:57

研究人员开发了一种名为HEAR的新型企业代理推理器，旨在克服当前LLM应用在复杂业务系统中的局限性。HEAR利用分层超图本体来虚拟化数据接口并编码业务规则，从而实现结构化的多跳推理。在供应链任务上的评估，例如订单履行阻塞的根本原因分析，表明HEAR的准确率高达94.7%。 AI

影响引入了一种新颖的推理框架，可以提高AI在复杂企业环境中的准确性和可审计性。

排序理由该集群包含一篇研究论文，详细介绍了一种用于企业AI推理的新方法和系统。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Jiangyi Chen · 2026-05-14 01:57

Hypergraph Enterprise Agentic Reasoner over Heterogeneous Business Systems

Applying Large Language Models (LLMs) to heterogeneous enterprise systems is hindered by hallucinations and failures in multi-hop, n-ary reasoning. Existing paradigms (e.g., GraphRAG, NL2SQL) lack the semantic grounding and auditable execution required for these complex environme…