Freebase
PulseAugur coverage of Freebase — every cluster mentioning Freebase across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新框架使用 LLM 来解释复杂的知识图谱规则
研究人员开发了 Rule2Text，一个旨在通过使用大型语言模型生成自然语言解释来使知识图谱规则更易于理解的框架。该框架在包括 Freebase 变体和 ogbl-biokg 在内的各种数据集上进行了测试，使用了 AMIE 3.5.1 挖掘的规则。该研究评估了多种 LLM 和提示策略，并结合了人类评估和 LLM 作为裁判的方法来评估解释的质量。表现最佳的模型 Gemini 2.0 Flash 被用于微调 Zephyr 模型，从而在解释…
-
新的KGQA研究强调证据差距而非正确性
一篇新发表在arXiv上的研究论文探讨了知识图谱问答（KGQA）中的挑战，特别关注需要推断缺失信息的知识图谱不完整性问题。研究揭示了文本可验证性与推断边的实际正确性之间存在显著差距，大量正确边缺乏直接的文本支持。这表明当前方法通常衡量的是证据而非准确性。为解决此问题，论文引入了TGComplete策略，该策略通过不承认没有文本证据的边来优先考虑证据，从而以牺牲部分召回率为代价，提高了边的精度和严格的忠实度。
-
AI模型在使用知识图谱工具时出现“峰值后衰退”现象
一篇新的研究论文探讨了AI模型在使用知识图谱工具时出现的“峰值后衰退”现象。研究发现，尽管像Qwen2.5-7B-Instruct这样的模型可以提高其工具使用准确性，但它们常常会迅速退化至零性能。这种在各种奖励设计中观察到的失败模式，似乎与知识图谱API提供的接口反馈有关，这些API缺乏像Python解释器等工具中存在的自然语言错误信号。自我蒸馏等缓解策略在提高性能方面显示出希望，但表明存在一个受接口限制的天花板。
-
COREKG方法创建个性化知识图谱摘要
研究人员开发了COREKG，一种用于创建大型知识图谱个性化摘要的新颖方法。该方法利用协同核理论和基于敏感度的重要性采样，根据个人用户查询模式选择相关数据子集。在Freebase和DBpedia等数据集上的评估表明，与现有方法相比，COREKG在查询回答准确性和结构覆盖率方面表现更优，同时显著降低了存储和处理需求。