MindMap：知识图谱提示激发大语言模型中的思维图
人工智能
2024-03-05 v5 计算与语言
机器学习
摘要
大语言模型（LLMs）在自然语言理解与生成任务中取得了卓越表现。然而，它们常受限于难以融入新知识、产生幻觉以及解释其推理过程等问题。为应对这些挑战，我们提出了一种名为 \method 的新型提示流水线，利用知识图谱（KGs）来增强 LLMs 的推理能力与透明度。我们的方法使 LLMs 能够理解 KG 输入，并结合隐式知识与外部知识进行推断。此外，我们的方法引出了 LLMs 的心智图，基于知识的本体揭示其推理路径。我们在多样化的问答任务（尤其是医疗领域）上评估了我们的方法，并显示出相较基线的显著提升。我们还引入了一个新的幻觉评估基准，并分析了方法中不同组件的影响。我们的结果证明了我们的方法在融合 LLMs 与 KGs 知识进行联合推断时的有效性与鲁棒性。为复现我们的结果并进一步扩展该框架，我们在 https://github.com/wyl-willing/MindMap 公开了代码库。
引用
@article{arxiv.2308.09729,
title = {MindMap: Knowledge Graph Prompting Sparks Graph of Thoughts in Large Language Models},
author = {Yilin Wen and Zifeng Wang and Jimeng Sun},
journal= {arXiv preprint arXiv:2308.09729},
year = {2024}
}
备注
8 pages, 8 figures, 12 tables