标签
ReLTEx是一个基于LLM的可靠分类法扩展框架，它将LLM驱动的候选生成与结构感知验证及递归扩展控制相结合，以减少幻觉并提高一致性。在基准分类法上的实验表明，它能够产生更可靠且语义连贯的扩展。
TRACE 是一种面向公共服务聊天机器人的检索增强对话引擎，通过增强对嘈杂目录的检索质量来改进约束感知推荐，同时减少幻觉响应。
Introduces NL2SHACL-Bench, a benchmark suite for translating natural language requirements into SHACL shapes, evaluating four state-of-the-art LLMs and showing they struggle with semantic equivalence for complex patterns.
A technical post explaining why RAG fails for multi-hop queries and presenting a 9-step roadmap for building context graphs, where entities are nodes and relationships are edges, with a minimal 150-line engine.
KnowPlan is an extraction-first framework for personalized academic degree pathway planning, using CatalogBrowse to reconstruct curricula from heterogeneous university sources and DegreeMap to optimize personalized plans via CP-SAT, achieving high recall and feasibility across evaluations.
本文提出了Mecellem语义协议，这是一个基于本体论的人工法律智能框架，主张法律推理需要动态的、依赖上下文的含义构建，而非仅仅是法典化或统计模式识别。
ProPRL提出了一种属性感知的前置关系学习框架，用于教育知识图谱，结合概念-资源超图和有向行为图，采用自适应成对条件融合与不可逆性约束，实现了最先进的性能。
PULSE is a new executable contract language for spatiotemporal knowledge graph engineering, providing a typed runtime with role-based write effects, safety properties verified in Lean 4, and trace parity across large datasets.
本文提出了一种将知识图谱集成到基于ROS 2的机器人系统中的方法，以提升搜索与救援等任务中的自主性和决策能力，并通过Aerostack2框架进行了演示。
IRIS是一个无需训练的框架，利用冻结的大语言模型为知识图谱中的实体构建可复用的身份表示，从而能够在不同知识图谱间实现高效的实体对齐，无需依赖配对处理。
HyCE-RAG 是一种新颖的基于超图的检索增强生成框架，专为多跳问答设计，通过置信度感知的启发式搜索构建显式证据链，在准确性、相关性和忠实度方面优于标准 RAG 和基于图的 RAG 方法。
IBM推出了一门免费的一小时课程，内容涵盖从介绍到多智能体编排的代理型知识图谱构建。
MA-DAR是一个即插即用框架，通过将重放表示和当前表示对齐到共享流形上，并利用动态门控机制进行自适应融合，解决了基于重放的持续时序知识图谱推理中的表示冲突问题。
一本关于使用LLM、RAG和知识图谱构建AI智能体的实用指南，可在Amazon上获取。
对10种图序列化格式的基准测试表明，冗长格式会浪费令牌，而表格布局能提高准确率；作者构建了ISONGraph，这是一种专为LLM理解优化的属性图格式，令牌减少70%，采用MIT许可。
文章认为，随着AI代理的激增，基于知识图谱的互联网新层面将浮现，复兴蒂姆·伯纳斯-李（Tim Berners-Lee）的Semantic Web概念，为代理交互和推理提供结构化的高速公路。
推广《数据科学中的图算法》一书，该书教授图算法及其在Neo4j中的应用，涵盖知识图谱、社交网络分析和节点嵌入等主题。
Greg Biegel 所著《数字孪生实战》的推广公告，涵盖数字孪生创建、物联网、人工智能和知识图谱，可在亚马逊预购。
ProbSPARQL 是一种向上兼容的 SPARQL 扩展，它将不确定数值建模为带有概率 RDF 字面量数据类型的随机变量，支持分布感知查询、概率过滤和基于散度的连接。基于 Apache Jena ARQ 实现，它解决了循环制造知识图谱中查询多维不确定测量数据所面临的挑战。
提出生成式本体归纳（GOI），一种领域无关的框架，利用大型语言模型从文档语料库中归纳结构化本体，在多个领域实现高覆盖率。