两篇新研究论文介绍了用时序知识增强大语言模型（LLMs）的新方法。第一篇，DYNA，使用动态情景记忆网络，通过时序知识图谱增强冻结的LLMs，减少灾难性遗忘并改善时间排序。第二篇，AdaTKG，提出了一种自适应记忆系统，其中实体表示在每次交互时得到优化，从而能够持续学习并更好地推理时序知识图谱中不断演变的事件。 AI
影响 这些方法为LLMs整合和推理时效性信息提供了新途径，可能提高它们处理动态知识的能力。
排序理由 两篇arXiv论文介绍了时序知识图谱推理和LLM增强的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.15778v1 Announce Type: cross Abstract: Large Language Models (LLMs) struggle to incorporate new knowledge without forgetting or costly retraining. We propose DYNA, a lightweight framework that augments a frozen LLM with a temporal knowledge graph where events are nodes…
arXiv:2605.07121v2 Announce Type: replace Abstract: Temporal knowledge graphs (TKGs) represent time-stamped relational facts and support a wide range of reasoning tasks over evolving events. However, existing methods produce entity representations that are static at the entity le…