哪种鸟没有翅膀：基于模式引导语义匹配与自主修正的负约束 KGQA
计算与语言
2026-04-17 v1 人工智能
摘要
尽管大语言模型具有出色的推理能力，但在忠实性与幻觉方面仍存在困难。在知识图谱问答（KGQA）中，基于语义解析的方法通过理解用户问题中的约束并将其转化为可在知识图谱上执行的逻辑形式来解决这些局限。然而，现有的 KGQA 基准与方法偏向于正向约束与计算约束。负约束尽管在真实世界问题中频繁出现，却被忽视了。本文引入了一项新任务，即负约束（NEgative-conSTrained, NEST）KGQA，其中每个问题包含至少一个负约束，并提出了相应的数据集 NestKGQA。我们还设计了 PyLF，一种 Python 格式的逻辑形式，因为现有的逻辑形式难以在保持可读性的同时清晰地表达否定。此外，NEST 问题天然包含多重约束。为缓解其语义复杂性，我们提出了一个名为 CUCKOO 的新框架，专用于多重约束问题并确保语义可执行性。CUCKOO 首先生成约束感知的逻辑形式草稿，并执行模式引导的语义匹配。随后，仅在执行不当逻辑形式产生空结果时，才选择性地应用自主修正，从而在提升鲁棒性的同时降低成本。实验结果表明，在少样本设置下，CUCKOO 在传统 KGQA 与 NEST-KGQA 基准上均持续优于基线方法。
引用
@article{arxiv.2604.14749,
title = {Which bird does not have wings: Negative-constrained KGQA with Schema-guided Semantic Matching and Self-directed Refinement},
author = {Midan Shim and Seokju Hwang and Kaehyun Um and Kyong-Ho Lee},
journal= {arXiv preprint arXiv:2604.14749},
year = {2026}
}
备注
ACL 2026 findings