MotivGraph-SoIQ：整合动机知识图谱与苏格拉底式对话以增强 LLM 构思
计算与语言
2025-09-29 v1
摘要
大型语言模型在加速学术构思方面具有巨大潜力，但在为想法提供依据以及减轻进一步改进中的确认偏差方面面临关键挑战。我们提出整合动机知识图谱和苏格拉底式对话，以解决增强 LLM 构思（MotivGraph-SoIQ）中的这些局限性。这一新颖的框架通过将动机知识图谱与 Q 驱动的苏格拉底式构思器相结合，为 LLM 构思提供了必要的依据和实用的想法改进步骤。MotivGraph 结构化地存储三种关键节点类型（问题、挑战和解决方案），为 LLM 构思过程提供动机依据。构思器是一个利用苏格拉底式提问的双智能体系统，它促进了严格的改进过程，减轻了确认偏差，并在新颖性、实验严谨性和动机合理性维度上提高了想法质量。在 ICLR25 论文主题数据集上，MotivGraph-SoIQ 在基于 LLM 的评分、ELO 排名和人类评估指标上展现出相对于现有 SOTA 方法的明显优势。
引用
@article{arxiv.2509.21978,
title = {MotivGraph-SoIQ: Integrating Motivational Knowledge Graphs and Socratic Dialogue for Enhanced LLM Ideation},
author = {Xinping Lei and Tong Zhou and Yubo Chen and Kang Liu and Jun Zhao},
journal= {arXiv preprint arXiv:2509.21978},
year = {2025}
}
备注
EMNLP2025 Findings