ODA：基于观察驱动的知识图谱集成大语言模型代理
计算与语言
2024-06-05 v2 人工智能
摘要
大语言模型（LLMs）与知识图谱（KGs）的集成在各种自然语言处理任务中取得了显著成功。然而，现有方法往往仅基于 LLM 对问题的分析来导航任务解决过程，忽略了 KGs 所封装广阔知识所蕴含的丰富认知潜能。为此，我们引入 Observation-Driven Agent（ODA），这是一套专为涉及 KGs 任务设计的新型 AI 代理框架。ODA 通过全局观察融合了知识图谱推理能力，通过观察、行动与反思的循环范式提升了推理能力。面对观察过程中知识的指数级爆发，我们创新性地设计了递归观察机制。随后，我们将观察到的知识整合到行动与反思模块中。通过大量实验，ODA 在多个数据集上实现了状态-of-the-art 性能，尤其在准确率上提升了 12.87% 和 8.9%。
引用
@article{arxiv.2404.07677,
title = {ODA: Observation-Driven Agent for integrating LLMs and Knowledge Graphs},
author = {Lei Sun and Zhengwei Tao and Youdi Li and Hiroshi Arakawa},
journal= {arXiv preprint arXiv:2404.07677},
year = {2024}
}
备注
LLM+KG