PulseAugur
中
实时 07:09:05
实体 knowledge graph

knowledge graph

PulseAugur coverage of knowledge graph — every cluster mentioning knowledge graph across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
46
90 天内 223
发布 · 30天
0
90 天内 0
论文 · 30天
40
90 天内 192
层级分布 · 90 天
主题
关系
时间线
  1. 2026-05-19 research_milestone A new paper proposes a framework for inferring and defending against sensitive attribute inference from knowledge graph embeddings. 来源
情绪 · 30 天

14 天有情绪数据

最近 · 第 1/10 页 · 共 200 条
  1. TOOL · CL_368238 ·

    NaviGATE框架增强多模态知识图谱推理能力

    研究人员推出 NaviGATE,一个用于多模态知识图谱推理的新型框架。该方法通过整合关系结构、文本描述和视觉证据,旨在提高缺失事实的推理能力。NaviGATE 通过对齐图结构与文本、激活内部知识,并采用噪声感知双视图指令调优过程来处理可靠和误导性的检索信息,从而克服了现有方法的局限性。实验表明,NaviGATE 在噪声检索场景下表现出特别的鲁棒性,超越了当前单模态、多模态和生成式基线。

  2. TOOL · CL_368074 ·

    微软和 Starburst Data 通过知识图谱增强 RAG

    微软已增强其 Foundry IQ Knowledge Graph,新增功能旨在通过实现多跳检索和减少对大型语言模型进行规划的依赖来改进检索增强生成 (RAG)。同时,Starburst Data 推出了 Context Studio 以提供受管的语义上下文,解决了 AI 代理对可靠数据解释的需求。这些发展凸显了行业正在朝着将知识图谱和结构化数据与向量搜索相结合以增强 RAG 系统并缓解幻觉和仅基于提示的 LLM 交互相关的高成本等问…

  3. TOOL · CL_368032 ·

    新的LSP-RAG框架增强了知识图谱检索对大型语言模型的支持

    研究人员推出LSP-RAG,一个旨在改进大型语言模型(LLMs)知识图谱检索增强生成(KG-RAG)的新框架。该方法通过采用多视角提示评分来增强从知识图谱中检索信息的能力,即使使用轻量级语言模型也能实现更准确、更鲁棒的检索。LSP-RAG旨在克服现有KG-RAG方法的局限性,这些方法要么需要计算成本高昂的大型LLMs,要么在小型模型上质量下降,尤其是在复杂的多跳推理场景中。

  4. TOOL · CL_364167 ·

    新框架增强多模态知识图谱检索增强生成

    一篇新研究论文提出了一个名为上下文增强多模态知识图谱(CEMMKG)的框架,用于改进多模态知识图谱上的检索增强生成(RAG)。当前的方法通常独立处理不同模态,导致图像和文本之间存在语义鸿沟。CEMMKG通过在局部和全局范围内用互补的文本上下文丰富图像来解决这个问题,从而能够捕获更详细和相关的信息。

  5. TOOL · CL_357693 ·

    新流程AutoOntic自动化本体归纳以构建知识图谱

    研究人员开发了AutoOntic,一个旨在从文本中自动构建本体以用于知识图谱(KG)构建的新流程。该系统规范化实体类型和关系,在其之间归纳出层级结构,并挖掘关系的域和值约束。在Text2KGBench等基准上的评估表明,AutoOntic归纳出的本体类型与参考类别在语义上对齐,并且使用其本体构建的KG实现了高检索准确率。

  6. TOOL · CL_351012 ·

    AWS Bedrock AgentCore 新增 Web Answer 功能,用于合成、引用的搜索结果

    AWS 在 Amazon Bedrock AgentCore 中推出了一项名为 Web Answer 的新功能,该功能可以综合自然语言问题的答案,并在一次工具调用中提供引用的来源 URL。这个托管连接器通过处理搜索规划、并行执行、事实核查和来源引用,简化了将网络搜索集成到代理中的过程。与之前的 Web Search 功能不同,Web Answer 旨在提供直接、可验证的答案,减少代理处理原始搜索结果和管理上下文窗口的需求。该功能提供管…

  7. RESEARCH · CL_351945 ·

    新论文详细介绍了代理工作流的递归能力组合

    一篇新研究论文提出“递归能力组合”来增强复杂的基于 LLM 的代理应用程序的协调和管理。该方法将业务流程模型和符号 (BPMN) 与代理和企业知识相结合,将显式的 BPMN 模型转换为可执行的工作流。通过为开发人员提供工作流结构和执行进度的共享视图,同时通过流程模型和知识图谱整合特定于组织的上下文,该方法旨在使多代理系统更易于理解和管理。

  8. COMMENTARY · CL_345508 ·

    用户用 Markdown 和知识图谱替换 Claude AI 的 RAG

    一位 Reddit 用户分享了一种为复杂的 ERP 应用程序构建 AI 系统的实验性方法,放弃了传统的向量搜索检索增强生成 (RAG)。相反,他们创建了详细的 Markdown 文件,记录了应用程序的模块、业务逻辑和数据库关系。然后,这些文件被用来生成知识图谱,Claude CLI 利用这些知识图谱来理解和导航应用程序的结构。据报道,与他们之前的 RAG 实现相比,这种以文档为先的方法带来了显著更好的结果,并大大减少了幻觉。

  9. TOOL · CL_344201 ·

    新一代GenVer系统通过文本生成验证知识图谱准确性

    研究人员开发了GenVer,一种新颖的生成式验证器,用于评估知识图谱的语义准确性。该系统利用三元组的结构信息及其生成的自然语言表示。通过将三元组-文本对用于序列到序列生成器,然后使用基于BERT的分类器,GenVer结合了原始三元组及其生成文本的特征。在FactFB变体上的实验表明,GenVer的分类准确率在88.56%到91.52%之间,优于现有基线,并突显了生成表示在三元组分类中的效用。

  10. TOOL · CL_344127 ·

    新的Generate-then-Rank方法改进了具身智能体的符号化目标解释

    研究人员开发了一种名为Generate-then-Rank的新型两阶段方法,以改进具身智能体的符号化目标解释。该方法首先微调大型语言模型以遵循智能体的输出约定,然后采用候选输出排序纠错(CORE)系统从生成的替代方案中选择最佳输出。在具身智能体接口基准(Embodied Agent Interface Benchmark)上的实验表明,与使用简单提示、思维链或知识图谱的基线方法相比,当使用DeepSeek-V3 chat和Qwen2.…

  11. RESEARCH · CL_344169 ·

    新的KG-Neighbor方法提高了嵌入可视化准确性

    研究人员开发了KG-Neighbor,一种用于构建知识引导邻域图以改进嵌入可视化的新方法。该方法利用知识图谱(KGs)中的关系知识来调整嵌入距离并重建邻域图,旨在比传统方法更好地反映内容关系。该系统还包括IDProfile(IDP)来分析残差不匹配,区分投影失败和其他问题。跨各种数据集和编码器条件的实验表明,KG-Neighbor在可视化准确性方面显著优于标准的k近邻基线。

  12. TOOL · CL_337933 ·

    AI 代理在处理过时的知识图谱时遇到困难,实体解析是关键

    最近的一项实验探讨了过时的知识图谱对 AI 代理性能的影响,发现实体名称变体和合并规则比简单的数据过时更具挑战性。研究发现,当知识库过时时,代理通常会提供自信但错误的答案。这凸显了 AI 系统中强大的实体解析和动态知识更新对于确保准确性和可靠性的关键需求。

  13. TOOL · CL_336258 ·

    新的Ctrl-G框架通过知识图谱增强LLM隐私

    研究人员开发了Ctrl-G,一个新颖的框架,旨在增强知识图谱(KGs)与大型语言模型(LLMs)结合使用时的隐私性。该KG-RAG系统通过在将图谱发送到远程LLM之前,在本地创建条件化查询的、经过清理的图谱视图来解决结构和交互暴露问题。Ctrl-G采用分层控制器进行规划和探索,利用经验记忆来减少跨多个查询的重复披露。该框架表现强劲,在六个基准测试中的五个上达到了最高准确率,并且比最强的基线高出13.8个百分点。

  14. TOOL · CL_332905 ·

    LatentDiff 框架通过潜在扩散增强知识图谱补全

    研究人员推出了一种新颖的知识图谱三元组集预测框架 LatentDiff。该方法将知识图谱补全重新构建为潜在空间图生成问题。LatentDiff 利用关系感知自动编码器创建紧凑的潜在表示,然后采用观测锚定的潜在图扩散模型进行渐进式去噪,以恢复缺失的三元组。在基准数据集上的实验表明,LatentDiff 在 F_tsp 指标上平均比最先进的方法高出 5.4 个百分点。

  15. RESEARCH · CL_332637 ·

    大型语言模型对本体的理解和工程能力受到审视 · 2篇论文

    两篇新研究论文探讨了大型语言模型(LLMs)在理解和利用本体方面的能力和局限性。第一篇论文研究了不同类型的本体——精心策划的、LLM生成的和数据派生的——如何作为检查器,用于与知识图谱交互的LLM代理,发现精心策划的本体并不总是最优的,甚至可能标记出正确的答案。第二篇论文深入研究了LLMs在本体工程任务中的机制可解释性,引入了一个基准来评估内部干预如何影响本体预测,表明虽然本体知识是可获取的,但目前的方法在分离一个完全解耦的因果机制方面存在困难。

  16. COMMENTARY · CL_331039 ·

    微调对于超越RAG和知识图谱的AI集体智能至关重要

    本文探讨了检索增强生成(RAG)和知识图谱在捕捉AI模型中的集体智能方面的局限性。文章认为,微调对于使模型获得比这些其他方法所能达到的更深层次的理解和综合信息的能力至关重要。文章提出,虽然RAG和知识图谱在访问外部数据方面很有用,但它们在培养微调可以促进的细致、新兴智能方面有所不足。

  17. TOOL · CL_331657 ·

    金融AI架构通过多智能体LLM和知识图谱减少幻觉

    一种新的金融AI系统架构整合了金融知识图谱、确定性优化引擎和多智能体LLM层,以提高准确性和可追溯性。这种“三引擎架构”利用上下文工程来管理来自各种企业系统的信息。在生产部署中,这种方法将幻觉率从7-9%降低到1%以下,尽管数据质量和租户特定模式仍然是实施中的挑战。

  18. TOOL · CL_326873 ·

    新AI模型Prospector学会推理知识图谱

    研究人员开发了Prospector,这是一种紧凑型模型,旨在通过遍历特定领域的知识图谱来增强科学推理能力。该模型学习一种策略,逐级导航这些图谱,寻找证据并构建可验证的推理链。Prospector在半导体制造文献方面表现出色,并显示出向生物启发材料、PFAS和材料特性等不相关领域的卓越迁移能力,同时能在单个GPU上高效运行。

  19. TOOL · CL_326857 ·

    新型学习器数字孪生使用知识图谱进行证据支持的早期预警

    研究人员开发了一种增量学习器数字孪生,其结构为轻量级知识图谱,以改进学习分析中的早期预警模型。该系统在时间检查点通过重放学习轨迹和评估记录进行更新,作为特征提取和解释基础的基底。该框架在公开基准上实例化和评估,证明了图谱介导的特征提取在提供可追溯性、可验证性和证据支持的警报解释的同时,保持了预测行为。

  20. TOOL · CL_324816 ·

    PathKGen 使用知识图谱实现可解释的组织病理学报告

    研究人员开发了 PathKGen,这是一种新颖的多模态大语言模型 (MLLM),旨在提高组织病理学报告的可解释性。PathKGen 将来自特定病理学知识图谱的外部结构化知识整合到其推理过程中,解决了当前仅依赖内部参数的 MLLM 的局限性。这种方法使模型能够生成更准确的报告,并提供视觉上直观的图表来说明其诊断推理,在 WSI-Bench 数据集上超越了先前最先进的方法。