HyDRA：用于可验证知识图谱的混合驱动推理架构

符号知识（通常表示为知识图谱, KG）与神经网络的生成能力的协同作用是推动神经符号 AI 发展的核心瓶颈之一。实现这一潜力的一个主要障碍是自动化 KG 构建的困难，这涉及输出可靠性、一致性和可验证性等挑战。这些问题可能导致生成的图中出现结构性不一致，例如形成孤立的数据岛屿，或将抽象类错误地与具体实例混合。为应对这些挑战，我们提出了 HyDRA（Hybrid-Driven Reasoning Architecture, 混合驱动推理架构），用于可验证的 KG 自动化。给定领域或初始文档集，HyDRA 首先通过一组协作的神经符号智能体构建本体。这些智能体协作确定一组能定义本体范围和要求的 competency questions（CQs）。基于这些 CQs，我们构建本体图，从而指导从任意文档中自动提取三元组以生成 KG。受设计-by-contracts（DbC）原则启发，我们将可验证合同作为控制大型语言模型（LLM）生成过程的主要机制。为验证我们方法的输出，我们超越标准基准，提出了评估框架，通过神经符号 AI 框架中描述的符号验证来评估生成 KG 的功能正确性。本工作为改善自动 KG 构建的可靠性并探索衡量其输出功能完整性的评估方法做出了贡献。代码已公开。