Ontology Web Language
PulseAugur coverage of Ontology Web Language — every cluster mentioning Ontology Web Language across labs, papers, and developer communities, ranked by signal.
-
新框架 PIE-APT 支持在时间知识图上进行溯因规划
研究人员推出 PIE-APT，一个用于时间动态知识图 (TDKG) 溯因规划的新框架。该系统在开放世界环境中运行，并解决了现有动作形式化中固有的可判定性问题和枝节问题等挑战。PIE-APT 采用统一方法，包含 PIE-Abducer 和 PIE-APT 两个模块，它们原生支持 SROIQ 描述逻辑和 OWL，用于建模状态转换和动作。该框架使用增量推理器来维持可判定性，并通过在 OWL 中表示动作来绕过枝节问题。它还通过综合缺失的前提（…
-
国防本体已对齐，以支持英国和北约数据基础设施
研究人员开发了一种方法来对齐英国和北约国防数据基础设施中使用的三个顶层本体：信息交换标准（IES）、高质量数据模型（HQDM）和基础形式本体（BFO）。这项工作解决了IES和HQDM之间缺乏公开对齐的问题，创建了一个手工制作的OWL交叉映射，并在合并后的本体上进行推理。研究结果被认为对于超越IES和HQDM的具体对齐之外的国防数据集成具有重要意义。
-
新的本体论支持方法改进了汽车电子电气组件的验证
研究人员开发了一种新的方法来验证汽车电子电气（E/E）组件的鲁棒性。该方法利用本体论来形式化鲁棒性验证过程和任务剖面中的知识，旨在自动化分析选择和决策支持。该系统已应用于汽车电力电子领域的工业用例，在缩短设计时间和提高详尽性方面取得了显著改进。
-
Open Ontologies：用于 AI 原生本体工程的 Rust MCP 服务器
Tesseract Academy 发布了 Open Ontologies，这是一个基于 Rust 的 MCP 服务器，专为 AI 代理设计，用于工程生产级 OWL 本体。与 Protégé 等传统方法相比，该工具链提供了显著的性能提升，一致性检查的中位数延迟降至 0.3 微秒。Open Ontologies 集成了超过 70 个可供 AI 代理调用的工具，支持三层架构内的验证、推理、对齐和治理。
-
KDAI2026讲座涵盖知识图谱、神经符号AI和AI的局限性
KDAI2026的最后讲座聚焦于知识图谱和神经符号AI，探讨了OWL、SHACL和混合AI方法等主题。会议还回顾了AI的局限性，讨论了ELIZA效应、Clever Hans、中文房间论证和回形针最大化器等概念，并得出结论，无论是符号推理还是纯粹的机器学习都无法单独实现高级AI。
-
KDAI2026 讲座涵盖 SPARQL、DBpedia 与 Wikidata 以及 OWL
本条目详细介绍了 KDAI2026 的第 11 讲，重点关注 SPARQL 审讯策略。讲座内容包括 FILTER、REGEX、OPTIONAL、UNION、否定、BIND 和 GROUP BY 聚合。还对 DBpedia 和 Wikidata 进行了比较，指出 DBpedia 的 13.2 亿个三元组来自 Wikipedia 信息框，而 Wikidata 的 176 亿个三元组由约 29,000 名编辑维护。会议最后讨论了 OWL 描…
-
新框架使用LLM实现对领域特定档案的自然语言访问
研究人员开发了一个名为自然语言知识图谱查询（NLKGQ）的可重用框架，使用户能够通过自然语言查询领域特定的档案。该系统利用大型语言模型（LLM）将自然语言问题转化为准确的SPARQL查询，然后针对知识图谱执行这些查询。该框架被设计为领域无关的，开发始于在Web本体语言（OWL）本体中捕获领域词汇和语义。该系统在查询神经影像学研究档案元数据方面表现出100%的准确性，可读的实体名称和语义注释比LLM选择或提示工程更关键。
-
新方法通过层吸收洞察改进大型语言模型剪枝
研究人员开发了一种名为“吸收感知校正”的新方法，通过剪枝来提高大型语言模型（LLMs）的效率。该技术描述了LLMs中的不同层如何响应扰动，发现早期层倾向于放大扰动，而后期层则倾向于吸收扰动。通过结合这种理解，该方法增强了现有的剪枝技术，如OWL和AlphaPruning，在70%稀疏度下，跨不同模型家族，困惑度降低了7.13%，零样本准确率提高了1.02%。
-
新的SAS框架增强了LLM在检测亚文化自残方面的能力
研究人员开发了一个名为亚文化对齐求解器（SAS）的多代理框架，以利用大型语言模型改进对亚文化中自毁行为的检测。该框架通过整合自动检索和亚文化对齐，解决了俚语快速演变和语义不一致等挑战。实验表明，SAS的表现优于现有的先进框架如OWL，并能与微调后的LLM有效竞争，为该领域的未来研究提供了一个有前景的工具。
-
Planet Labs 在太空实现实时人工智能图像分析，具备板载处理能力
Planet Labs 已成功将其人工智能图像处理能力直接部署到其 Pelican-4 卫星上，实现了太空中的实时物体识别。这一进展显著减少了数据处理延迟，能够从卫星图像中获得即时洞察，这对于野火探测等对时间敏感的应用至关重要。该公司计划将类似的人工智能处理集成到其 SuperDove 卫星星座中，并最终目标是在太空运行大型语言模型（LLM）以进行更复杂的分析。
-
CyberCane 使用神经符号RAG进行隐私保护的网络钓鱼检测
研究人员开发了CyberCane，一个新颖的神经符号框架，用于隐私保护的网络钓鱼检测。该系统结合了符号分析和检索增强生成（RAG），以处理敏感数据并遵守法规。CyberCane 使用了一个名为PhishOnt的OWL本体进行可验证的攻击分类，并在保持高精度的同时，在检测AI生成威胁方面取得了显著改进。
-
我们如何构建了 OWL，ChatGPT 驱动的浏览器 Atlas 的新架构
OpenAI 推出了 ChatGPT Atlas，这是一款旨在将 ChatGPT 直接集成到浏览体验中的新网页浏览器。该浏览器采用了一种名为 OWL（OpenAI's Web Layer）的新架构，将 Chromium 运行时与主应用程序分离，从而实现了更快的启动速度和更高的稳定性。Atlas 旨在充当副驾驶，协助用户完成网页上的任务、研究和分析，并提供“代理模式”和可选的“浏览器记忆”等功能以保留上下文。该浏览器最初在 macOS …