PulseAugur
中
实时 12:49:26
English(EN) ReaLM: Residual Quantization Bridging Knowledge Graph Embeddings and Large Language Models

新框架ReaLM融合知识图谱嵌入与大语言模型；研究发现知识图谱嵌入模型不稳定

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了ReaLM，一个通过将知识图谱嵌入离散化为可学习的token来连接知识图谱嵌入与大语言模型的新框架。该方法允许符号知识和上下文知识更有效地融合，在基准数据集上表现优于现有方法。另外，一项分析知识图谱嵌入模型的研究发现，高性能模型会产生高度可变的预测和嵌入空间，随机种子和其他随机因素显著影响结果。这种不稳定性引发了对当前知识图谱补全基准测试协议可靠性的担忧。 AI

影响 强调了在LLM中改进知识整合的潜力，同时也引发了对当前知识图谱嵌入模型可靠性的担忧。

排序理由 两篇arXiv论文讨论了知识图谱嵌入中的新方法和稳定性问题。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Wenbin Guo, Xin Wang, Jiaoyan Chen, Lingbing Guo, Zhao Li, Zirui Chen ·

    ReaLM：残差量化连接知识图谱嵌入与大型语言模型

    arXiv:2510.09711v2 Announce Type: replace-cross Abstract: Large Language Models (LLMs) have recently emerged as a powerful paradigm for Knowledge Graph Completion (KGC), offering strong reasoning and generalization capabilities beyond traditional embedding-based approaches. Howev…

  2. arXiv cs.LG TIER_1 English(EN) · Guillaume M\'erou\'e, Fabien Gandon, Pierre Monnin ·

    Link Prediction or Perdition: the Seeds of Instability in Knowledge Graph Embeddings

    arXiv:2606.03365v1 Announce Type: new Abstract: Embedding models (KGEMs) constitute the main link prediction approach to complete knowledge graphs. Standard evaluation protocols emphasize rank-based metrics such as MRR or Hits@$K$, but usually overlook the influence of random see…

相关实体

相关话题