基于 LLM 的知识图谱问答判别式推理
计算与语言
2025-03-10 v2
摘要
基于生成式预训练 Transformer 的大型语言模型在知识图谱问答（KGQA）任务上取得了显著性能。然而，由于生成范式带来的幻觉行为，LLM 在 KGQA 中经常产生无根据的子图规划或推理结果。为了解决这个问题，我们提出 READS，将 KGQA 过程重新表述为判别式子任务，从而简化了每个子任务的搜索空间。基于这些子任务，我们设计了一种新的相应判别式推理策略来进行 KGQA 的推理，进而缓解了 LLM 中的幻觉和无根据推理问题。实验结果表明，所提出的方法优于多种强对比方法，并在广泛使用的基准 WebQSP 和 CWQ 上取得了 SOTA 性能。
引用
@article{arxiv.2412.12643,
title = {LLM-based Discriminative Reasoning for Knowledge Graph Question Answering},
author = {Mufan Xu and Kehai Chen and Xuefeng Bai and Muyun Yang and Tiejun Zhao and Min Zhang},
journal= {arXiv preprint arXiv:2412.12643},
year = {2025}
}