PulseAugur
中
实时 22:53:43
English(EN) SGR: A Stepwise Reasoning Framework for LLMs with External Subgraph Generation

新框架SGR通过外部知识图谱增强LLM推理能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为SGR的新型框架，旨在增强大型语言模型（LLM）的推理能力。这种逐步方法利用外部子图生成将中间推理步骤 grounding 在结构化知识中，从而提高准确性和事实可靠性。SGR从知识库构建特定于查询的子图，并引导LLM在这些结构上逐步推理，结合多个推理路径进行最终预测。在基准数据集上的实验表明，SGR在提高LLM处理复杂推理任务方面的性能方面是有效的。 AI

影响 增强LLM的推理能力和事实可靠性，可能提高在复杂NLP任务上的性能。

排序理由 该集群包含一篇详细介绍LLM新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

新框架SGR通过外部知识图谱增强LLM推理能力

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Siying Li ·

    SGR: A Stepwise Reasoning Framework for LLMs with External Subgraph Generation

    Large Language Models (LLMs) have demonstrated strong capabilities across diverse NLP applications, such as translation, text generation, and question answering. Nevertheless, they remain limited in complex settings that demand deep reasoning and logical inference. Since these mo…

相关实体

相关话题