GE-Chat：一种面向LLM证据性响应生成的图增强RAG框架
计算与语言
2025-05-16 v1
摘要
大型语言模型现在已成为人类决策过程中的关键助手。然而，总会伴随一个常见的提示：'语言模型可能会出错。请谨慎对待重要信息。'这指出了一个现实：并非所有语言模型的输出都是可靠的，用户必须手动进行评估。当幻觉响应——通常以看似合理的解释呈现——引发复杂问题并使用户产生信任疑虑时，这一挑战变得更加严峻。为解决此类问题，本文提出了GE-Chat，一种知识图谱增强的检索增强生成框架，用于提供基于证据的响应生成。具体而言，当用户上传材料文档时，将构建一个知识图谱，用于构建检索增强智能体，利用训练语料之外的额外知识增强智能体的响应。随后，我们利用思维链（CoT）逻辑生成、n跳子图搜索和基于蕴含的句子生成来实现精确的证据检索。我们证明，该方法在自由文本语境中识别确切证据方面的性能优于现有模型，为检验语言模型结论的来源提供了可靠途径，并有助于判断其可信度。
引用
@article{arxiv.2505.10143,
title = {GE-Chat: A Graph Enhanced RAG Framework for Evidential Response Generation of LLMs},
author = {Longchao Da and Parth Mitesh Shah and Kuan-Ru Liou and Jiaxing Zhang and Hua Wei},
journal= {arXiv preprint arXiv:2505.10143},
year = {2025}
}
备注
5 pages, 4 figures, accepted to IJCAI2025 demo track