LLM 时代中基于查询的 KGQA 系统对复杂与时序问题的优势
计算与语言
2025-07-17 v1 机器学习
摘要
大型语言模型在问答（QA）方面表现出色，但在多跳推理和时序问题上仍然存在困难。基于查询的知识图谱问答（KGQA）提供了一种模块化的替代方案，通过生成可执行查询而非直接答案。我们探索了用于 WikiData QA 的多阶段基于查询的框架，提出了一种多阶段方法，提升了在具有挑战性的多跳和时序基准上的性能。通过泛化与拒绝研究，我们评估了在多跳和时序 QA 数据集上的鲁棒性。此外，我们引入了一种使用 CoT 推理的新型实体链接和谓词匹配方法。我们的结果表明，基于查询的多阶段 KGQA 框架具有利用小语言模型改善多跳和时序 QA 的潜力。代码和数据：https://github.com/ar2max/NLDB-KGQA-System
引用
@article{arxiv.2507.11954,
title = {The benefits of query-based KGQA systems for complex and temporal questions in LLM era},
author = {Artem Alekseev and Mikhail Chaichuk and Miron Butko and Alexander Panchenko and Elena Tutubalina and Oleg Somov},
journal= {arXiv preprint arXiv:2507.11954},
year = {2025}
}
备注
15 pages, 3 figures, 7 tables