כתבה
arXiv cs.AI ·
KG2Code: גשר בין גרפי ידע למודלים של שפה גדולים
KG2Code: Bridging Knowledge Graphs and Large Language Models via Executable Code for Question Answering
KG2Code הוא גישה חדשה המאפשרת לחבר גרפי ידע עם מודלים של שפה גדולים. היא משתמשת בייצוג קודי כדי לשמר מידע מבני ולאפשר תהליכי גיזרון מונחים. המחקר מציג גם פלטפורמת KGQA המאפשרת למודלים לייצר תשובות מדויקות יותר.
תקציר מקורי באנגליתarXiv:2607.22652v1 Announce Type: new Abstract: Recent research has explored the integration of knowledge graphs (KGs) with large language models (LLMs) to enhance their performance on downstream knowledge-intensive tasks, particularly knowledge graph question answering (KGQA). Existing approaches primarily combine LLMs with KGs through retrieval-augmented generation (RAG)-based, agent-based, and SPARQL-based methods. Although these methods have achieved notable success, they still suffer from several limitations, including structural information loss, unfaithful reasoning, and limited flexibility and generalization. To address these challenges, this paper proposes KG2Code, a novel approach that transforms knowledge graphs into a code-based representation, preserving structural semantics w
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית