面向实惠 AI 助手的知识图谱思维
人工智能
2025-10-02 v6 计算与语言
信息检索
机器学习
摘要
大型语言模型 (LLM) 正在 revolutionizing AI 助手的开发，这些助手能够在多个领域中执行多样化任务。然而，当前的领先 LLM 驱动的智能体面临显著挑战，包括高运营成本以及在类似 GAIA 等复杂基准测试中的成功率有限。为此，我们提出了知识图谱思维 (Knowledge Graph of Thoughts, KGoT)，这是一种创新的 AI 助手架构，将 LLM 推理与动态构建的知识图谱 (KG) 集成。KGoT 提取并结构化任务相关知识，形成动态 KG 表示，通过数学求解器、网页爬虫和 Python 脚本等外部工具进行迭代增强。这种任务相关知识的结构化表示使低成本模型能够有效解决复杂任务，同时最小化偏见和噪声。例如，KGoT 在 GAIA 基准测试中相较于 Hugging Face Agents with GPT-4o mini 获得了 29% 的任务成功率提升。此外，利用更小的模型可将运营成本降低超过 36 倍。针对其他模型（如 Qwen2.5-32B 和 Deepseek-R1-70B）和基准（如 SimpleQA）的改进也类似。KGoT 提供了一个可扩展、实惠、 versatile且高性能的 AI 助手解决方案。
引用
@article{arxiv.2504.02670,
title = {Affordable AI Assistants with Knowledge Graph of Thoughts},
author = {Maciej Besta and Lorenzo Paleari and Jia Hao Andrea Jiang and Robert Gerstenberger and You Wu and Jón Gunnar Hannesson and Patrick Iff and Ales Kubicek and Piotr Nyczyk and Diana Khimey and Nils Blach and Haiqiang Zhang and Tao Zhang and Peiran Ma and Grzegorz Kwaśniewski and Marcin Copik and Hubert Niewiadomski and Torsten Hoefler},
journal= {arXiv preprint arXiv:2504.02670},
year = {2025}
}