标签
本文提出了一种本体驱动的框架，用于量化并强制执行文档级关系提取数据集中的结构一致性，减少逻辑矛盾，并在使用远程监督数据时提高模型泛化能力。
LingShu是一个大规模、以症状为中心的语境化知识图谱，通过整合多源数据来表征条件性医学知识，从而连接传统中医与现代生物医学。
本文提出了Defactualize-Steer-Rehydrate（DSR）框架，该框架将知识图谱与激活引导相结合，以增强代理对话AI中的风格可控与事实保真生成，并在LLaMA模型上进行了评估，显示出在事实恢复方面的显著改进。
本文介绍了一个知识引导的代理框架，该框架识别健康查询中缺失的患者上下文，并提出针对性的后续问题，以提高下游语言模型响应的准确性和一致性。
CTIFoundry引入了一个代理原生的网络威胁情报语料框架，通过结构化本体图和程序性技能提升LLM代理的性能，在调查中实现更高的准确性和效率。
CoAL-RAG 介绍了一种用于法律咨询的复杂度感知检索增强生成方法，该方法根据问题复杂度动态选择检索策略，在中文和英文法律基准测试中实现了显著改进。
论文提出了LUNG-KGMM，一个知识引导的多模态框架，通过整合EHR、放射学数据和临床指南来预测肺癌发生率，在MIMIC数据集上展示了优越的性能，并进行了现实世界验证。
GitNexus是一个面向仓库的开源知识图谱工具，它通过提供精确上下文来增强编码代理，从而提升任务成功率并提高成本效率。
本文介绍了MOOSEDev，一个面向编程智能体的神经符号记忆系统，该系统使用本体来结构化项目知识，并展示了在处理架构决策和理由方面，相较于向量记忆工具具有更优的检索性能。
MathCode是一款AI驱动的编码助手，它能将数学问题转换为Lean 4定理并尝试进行形式化证明，具有持久化的REPL、定理库以及代理模式证明功能。
AstraZeneca介绍了Research Assistant，这是一个内部基于LLM的多智能体系统，让科学家通过聊天方式探索生物医学数据，具备证据溯源和引用链接，已部署给15,000名内部用户。
This paper proposes SAG, a SQL-retrieval augmented generation architecture that organizes documents into event-entity hyperedges without building a global knowledge graph, enabling query-time dynamic linking of evidence chunks for multi-hop QA. It reports state-of-the-art retrieval and QA performance on HotpotQA, 2WikiMultiHopQA, and MuSiQue benchmarks.
本文介绍了BEST-KAG，一种面向建筑工程标准问答的多模态知识驱动框架，利用多模态知识图谱和基于图检索的生成技术，提高了条款级可追溯性，并超越了多种大语言模型。
介绍开源项目 Semantica，它通过构建 Context Graph / Knowledge Graph 为 AI Agent 提供可追溯的决策依据和支持审计的能力，适用于金融、医疗等对可解释性要求高的场景。
AVA-Encoder 通过基于知识图谱的智能体自编码学习结构化视频表征，能够实现电影级视频生成与推理，同时减少 Token 使用量。
介绍了 Mechanist，一个自主的智能体系统，利用人工智能来发现和控制模型智能背后的机制，生成假设、执行因果干预，并提高安全性和性能。
KGCache是一种用于一跳知识图谱邻域的内存缓存，可减少使用大语言模型的KGQA系统中冗余的子图检索。在WebQSP和CWQ上的评估显示，它可将知识图谱检索速度提升最多1.91倍，并表明语义缓存能进一步提高命中率。
本文介绍了TKFQA，一个包含10,130个基于表格、文本和知识图谱的问答对的反事实基准，用于评估LLM的事实一致性和顺序稳健推理，并提出了ORLF，一种训练框架，可提高推理链准确性并降低对输入顺序的敏感性。
本文提出了一种自我改进的“研究者智能体”，用于知识图谱上的Text-to-SPARQL问答，该智能体能迭代优化自身的提示和工具。在DBpedia上进行评估，达到了0.22的准确率，并识别出谓词选择是主要瓶颈。
This paper proposes a hybrid knowledge graph generation pipeline that combines top-down grounding in Wikidata with bottom-up agentic synthesis to handle noisy, multilingual HR skill declarations, producing a scalable and self-healing skills taxonomy.