标签
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。
本综述从专门的GNN视角全面回顾了基于GNN的链接预测，按技术（GCN、GAE、GAT、GFormer）和应用（知识图谱、推荐系统）对近期进展进行分类，并讨论了挑战与未来方向。
关于Cognee、Graphiti和Neo4j的智能体记忆解决方案的研究总结，这些方案都使用知识图谱和向量搜索，并基于LLM进行数据提取。
一种名为FAIR GraphRAG的新型框架将FAIR数字对象与基于图的检索相结合，以增强面向语义数据分析的检索增强生成，提高了问答准确性并遵循FAIR原则，在生物医学数据集上进行了演示。
本综合综述系统性地回顾了基于图神经网络的方法在整个知识图谱流程中的应用，提出了一种新颖的两层分类法，并讨论了挑战和未来研究方向。
提出了AgentKGV，一种基于两阶段训练（蒸馏SFT和轨迹级GRPO）的智能LLM-RAG框架，用于验证知识图谱中的事实，在T-REx基准上取得了显著改进，同时减少了检索调用。
本文提出了一种基于互补理论的解释，用于整合知识图谱与可解释人工智能，以支持城市采矿中拆前评估的可辩护决策。它定义了四种KG-XAI集成模式（提升、约束、类型化、修正），并通过一个防火门示例进行了说明。
InductWave提出了一种基于小波的归纳嵌入方法，用于知识图谱上的多跳逻辑查询回答，在更少的消息传递层数下实现了竞争性的性能。
本文提出了一种新颖的数据驱动流程，利用大语言模型(LLMs)从非结构化文本中提取语义三元组，并构建知识图谱以监测技术融合。该方法在arXiv预印本和美国专利商标局(USPTO)专利申请上得到验证，展示了其在技术预测中的可扩展性。
本文介绍了欧洲LLMs4EU项目与ALT-EDIC基础设施中的一个用例，重点通过整合知识图谱和多语种学术语料库，将基础模型适配至社会科学与人文学科（SSH）研究实践。该方法旨在支持问答、文献综述等任务，同时确保领域敏感性与法规合规性。
本文介绍了Narrative World Model（NWM），这是一个面向长篇虚构故事作者的记忆系统。它利用基于叙事学的类型化时间状态图和查询条件混合检索，来回答关于故事状态演变的复杂多跳问题。该系统在叙事学问答基准测试中显著优于现有的时间知识图谱框架（如Graphiti）。
一位开发者反思了何时 GraphRAG 比标准 RAG 更适合 AI 代理，指出它在多跳推理和关系理解方面很有价值，但增加了显著的复杂性。
来自WeAreDevelopers World Congress 2026的演讲，探讨如何将组织建模为图，以揭示实际工作中隐藏的网络，同时还有关于图数据库、知识图谱和开发者大会的相关视频。
一位CIO分享了对将语义层和本体应用于企业AI代理所面临挑战的观察，强调了动态上下文选择、持续演进机构知识以及表达判断而非仅仅静态事实的需求。