标签
该论文表明，Matryoshka 表征学习的嵌入前缀与金标准分类体系由粗到细的粒度相对应，并提出了 PEEL，一种极简探针，能够在不同领域中从冻结的嵌入中高保真地解码出分类有向无环图（DAG）。
一篇介绍 MIOE 的论文。MIOE 是一项因果消融基准，利用互换干预来评估大语言模型（Qwen3-8B/4B）是否在机制层面解决了实体类型判定和包含关系预测等本体任务。研究发现，分布式子空间方法表现最佳，但尚未完全将本体知识与辅助类别信息解耦。
本文研究了源自本体的检查能否可靠地验证大语言模型智能体针对知识图谱问题给出的回答，比较了人工整理、大语言模型生成和数据衍生的本体，发现人工整理的本体可能比其他本体更频繁地将正确回答标记为有问题，而这些标记的精确率仅略高于随机水平。
有人开源了被称为"AI知识图谱版Terraform"的工具 Open Ontologies，可让AI推理变得可验证，支持增量修改预览、事实校验与RAG声明验证，并通过MCP集成Claude Code、Cursor、Windsurf等工具。
该论文提出了递归知识改进（RKI），将知识改进建模为序列化、状态感知的干预过程，通过辨别知识状态别名问题来指导干预选择，在 HotpotEval 和 SafeInternalEval 上平均提升了 18.41 分。
OA-RAG 是一种智能体框架，将基于形式化本体的推理与大语言模型（LLM）推理相结合，以提高检索增强生成的忠实性，报告依据级别（逻辑蕴含、有支持、相关、不相关），并在基于大规模本体构建的医学问答基准上取得领先表现。
IBM 研究人员将大语言模型的一致性形式化为知识图谱所定义的语义域内的语义不变性，表明不一致现象集中在稳定的热点子图中，并且有选择地、分层地以知识图谱为依据，能够提高跨模型的一致性和可靠性。
本文综述了数据、信息、链接数据及知识图谱的质量评估研究，提出包含24个质量维度和相应度量指标的知识图谱质量评估框架，以评估LLM时代知识图谱的可信度与适用性。
NVIDIA 扩展其开源 Agent Toolkit，新增 Agent Knowledge Foundation，并加入 CUDA-X 库、Auto-Ontology、Nemotron Retriever 和 Kumo 系列结构化数据模型，同时提供 OpenShell 运行时和 NemoClaw 蓝图，帮助企业将 AI 智能体与自有公司数据结合，并施加治理控制。早期采用者包括 Palantir、Databricks、Snowflake 和 Amazon OpenSearch Service。
本文提出一个可解释的、以表头为中心的框架，用于仅元数据场景下的列类型标注与数据质量评估，将表头映射为39种可解释类型并触发验证规则，生成单元格级数据质量问题实例及数据源级质量指标HeadersIQ，已在多个基准约12万列上评估。
一项针对 300 名科技和 AI 高管的调查发现，只有约 34% 的 agentic AI 项目进入生产环境，数据碎片化和缺失的组织上下文是主要瓶颈——这意味着知识层（knowledge layer）、RAG 和知识图谱是连接 AI 代理与企业数据的优先投资方向。
论文提出了一种流水线，可自动生成基于本体且经推理器验证的多选题基准，用于评估大语言模型在科学人工智能中的逻辑推理能力；该方法在三个本体（Pizza、PMDco、DOID）和六个大语言模型上进行了验证。
Build2SPARQL 提出了一个大规模的 KG-grounded 基准（6,136 条经验证的 SPARQL 查询，30,680 个问题），用于建筑知识图谱上的 Text-to-SPARQL 查询。其中 SPARQL 查询由图遍历代码生成并验证，LLM 仅负责生成自然语言问题。对三个开源权重模型进行检索增强评估后，其精确匹配准确率从零样本下的 0.2–20% 提升至三样本检索上下文下的 56–65%。
EviGraph 是一个面向时序公共服务知识图谱的携带证据的选择性推荐系统，通过 LLM 智能体链接决策关键证据，并由确定性校验器验证推荐结果。在双语香港公共服务基准上的评估表明，区分关键证据与非关键证据能够减少不必要的弃权；而额外的验证虽能撤回已有充分支撑的推荐，却无法提升决策质量。
GraphCert 提出在后训练阶段利用经认证的证据评分标准来引导智能体图推理：通过 Bootstrapped Graph Quizzer 和执行认证的问答对，在 GRPO 中对证据一致性进行奖励。该方法在 GRBENCH 的五个图推理领域上表现优于规模更大的 LLM 智能体。
SeKondBrain AI Labs 推出了概念生命周期模型（Concept Lifecycle Model）与概念接地注意力（Concept-Grounded Attention），在问答基准上对图注入注意力、时间版本化与认知状态进行了评估。结果支持显式的时间有效性与认知状态标注，同时表明若干图注意力机制在受控对比中未能胜过关闭该机制的基线。
该论文提出了 VisKG，这是一个强化学习框架，用于训练视觉-语言模型将图像转化为特定问题的知识图谱表示，在提升视觉问答推理效率的同时减少 token 使用量。论文提出的 GDPO 目标函数在科学、数学和通用视觉推理基准测试上的平均准确率较基于 GRPO 训练的模型高出约 2%。
GeoOutageBench 提出了一套基准，用于支持歧义感知、基于本体的地理时空知识图谱问答（KGQA），该基准整合了多模态数据（停电记录、遥感、天气、风暴及电力事件），以支撑电力中断与韧性分析。该工作在 SIGSPATIAL '26 上发表。
本文探索使用指令调优的LLMs分析科学学习中的协作学生意义构建，发现推理增强提示和知识状态诊断能改善与专家注释的一致性。
本文提出一种基于知识图谱的评估框架，用于评估大型语言模型在问答任务中的上下文理解能力，并引入一种新的相似度度量S3KG，该度量在性能上优于现有的基线方法。