AIGC动态欢迎阅读
原标题：人大高瓴发布Think-on-Graph 2.0，基于知识
图的大模型推理再升级！
关键字：腾讯,知识,实体,问题,任务文章来源：夕小瑶科技说
内容字数：0字内容摘要：
夕小瑶科技说 原创作者 | Axe_越经常参加高考的朋友可能会体会到，比起死记硬背知识点，将知识整理成脉络往往会获得事半功倍的效果。其实对于大模型来说也是如此，哪怕被允许“开卷作答”，即通过检索增强（Retrieval-augmented generation，RAG）技术从知识库中为大模型取回相应知识作为参考，但当面对复杂问题的时候，RAG对大模型的增益效果也不尽如人意。毕竟“难道开卷你们就能考满分了吗？”
也正因如此，我们希望为大模型的思考方式注入类似知识框架的方法指导，而已经发展多年趋渐成熟的知识图（Knowledge-Graph，KG）或许将给我们一个解决方案。
论文标题:Think-on-Graph 2.0: Deep and Interpretable Large Language Model Reasoning with Knowledge Graph-guided Retrieval
论文链接:https://arxiv.org/pdf/2407.10805.pdf
背景与动机在当前的大模型（LLMs）研究中，RAG技术的出现为解决知识缺陷和幻觉问题提供了一种有效解决方原文链接：人大高瓴发布Think-on-Graph 2.0，基于知识图的大模型推理再升级！
联系作者
文章来源：夕小瑶科技说
作者微信：
作者简介：
