ARK-V1：用于需要常识推理的知识图谱问答的 LLM 智能体
计算与语言
2025-09-23 v1
摘要
大语言模型（LLM）展现出强大的推理能力，但在回答需要特定领域知识的问题时，其依赖的内化知识往往不足、过时或不正确。知识图谱（KG）提供了结构化的外部知识，但其复杂性和多跳推理要求使集成具有挑战性。我们提出了 ARK-V1，一个通过迭代探索图谱来回答自然语言查询的简单 KG 智能体。我们在 CoLoTa 数据集上评估了多个未经微调的最新 LLM 作为 ARK-V1 的骨干模型，该数据集要求同时具备基于 KG 的推理和长尾实体的常识推理能力。ARK-V1 实现了比思维链基线显著更高的条件准确率，且更大的骨干模型在覆盖率、正确性和稳定性方面展现出明显的改善趋势。
引用
@article{arxiv.2509.18063,
title = {ARK-V1: An LLM-Agent for Knowledge Graph Question Answering Requiring Commonsense Reasoning},
author = {Jan-Felix Klein and Lars Ohnemus},
journal= {arXiv preprint arXiv:2509.18063},
year = {2025}
}
备注
Work in Progess