探索模块在小语言模型知识图谱问答中的作用
计算与语言
2025-09-10 v1
摘要
将知识图谱（KG）整合到大语言模型（LLM）的推理过程中，已成为缓解幻觉的一种有前景的方法。然而，该领域现有工作通常依赖专有或超大规模模型，限制了可及性与可扩展性。在本研究中，我们考察了面向知识图谱问答的现有小语言模型（SLM）整合方法的能力，并观察到其性能常受限于其在知识图谱上遍历与推理的有限能力。为解决这一局限性，我们提出利用简单高效的探索模块来代替语言模型本身处理知识图谱遍历。实验结果表明，这些轻量级模块有效提升了小语言模型在知识图谱问答任务上的性能。源代码：https://github.com/yijie-cheng/SLM-ToG/。
引用
@article{arxiv.2509.07399,
title = {The Role of Exploration Modules in Small Language Models for Knowledge Graph Question Answering},
author = {Yi-Jie Cheng and Oscar Chew and Yun-Nung Chen},
journal= {arXiv preprint arXiv:2509.07399},
year = {2025}
}
备注
Extended from ACL 2025 SRW