知识图谱是您所需的一切：在物理问答中运用知识图谱
计算与语言
2025-06-12 v3
摘要
本研究探索了使用由大型语言模型生成的知识图谱将高中水平物理问题分解为子问题的有效性。我们引入了一个旨在增强模型响应质量的问答任务管道。通过运用 LLM 构建捕获问题内部逻辑的知识图谱，这些图谱随后指导子问题的生成。我们假设，这种方法会产生与传统分解技术相比更能与原始问题逻辑一致的子问题。我们的结果表明，来自知识图谱的子问题在忠实于原始问题逻辑方面显著优于传统方法。这一方法不仅通过提供更清晰、更恰当的上下文子问题来提升学习体验，还凸显了 LLM 变革教育方法的潜力。这些发现指明了将 AI 应用于提高教育内容质量和有效性的前景方向。
引用
@article{arxiv.2412.05453,
title = {Knowledge Graphs are all you need: Leveraging KGs in Physics Question Answering},
author = {Krishnasai Addala and Kabir Dev Paul Baghel and Dhruv Jain and Navya Gupta and Rishitej Reddy Vyalla and Chhavi Kirtani and Avinash Anand and Rajiv Ratn Shah},
journal= {arXiv preprint arXiv:2412.05453},
year = {2025}
}