基于局部LLM的节约型知识图构建：零-shot管道、自一致性与人工群体的智慧

本文提出一个经验研究，探讨在消费级硬件上完全通过本地推理执行的多模型零-shot管道，用于知识图构建与利用。我们提出一个可复现的评估框架，集成两个外部基准（DocRED、HotpotQA）、WebQuestionsSP风格的合成数据，以及RAGAS评估框架，形成自动化管道。在500个文档级关系上，我们的系统在零-shot条件下实现了0.70±0.041的F1分数，优于监督学习的DREEAM的0.80。文本到查询在200个样本上实现了0.80±0.06的准确率。多跳推理在500个HotpotQA问题上实现了0.46±0.04的精确匹配（EM），在50个样本上达到0.96±0.04的RAGAS忠诚度。除管道外，我们研究了针对困难多跳推理的多样性机制。在181个在零温度下无法解答的问题上，自一致性（k=5, T=0.7）通过单个Mixture-of-Experts（MoE）模型恢复最高达23%的EM，而跨模型oracle（3种架构×5个样本）达到46.4%。我们指出一种共识悖论：强烈的样本间共识反而信号集体幻觉，而非可靠答案，这呼应了Moussa{"i}d等人关于众包智慧的工作。在完整管道（500个问题）中，自一致性（k=3）将EM从0.46提升至0.48±0.04。置信路由级联机制（Phi-4→GPT-OSS，k=5）实现了0.55±0.04的EM，取得最佳结果，45.4%的问题被 reroute。最后，我们表明V3提示工程应用于其他模型无法复现Gemma-4所观察到的提升，确认特定的提示/模型相互作用。整个系统在单张RTX 3090上约5小时运行，无需任何训练，估算碳足迹为0.09 kg CO2 eq。