Dupler

新的DuPLeR框架提升了多模态少样本知识图谱补全能力

研究人员推出了一种名为DuPLeR的新型框架，旨在增强数据有限场景下的知识图谱补全（KGC）能力。这种双路径大语言模型推理方法旨在通过整合多模态信息和大语言模型推导出的先验知识来推断缺失的事实，同时减轻噪声和幻觉。DuPLeR构建了一个校准的关系图谱，并采用双层推理来优化实体表示，在数据稀疏环境下于多模态知识图谱基准测试中展现出强大的性能。