标签
KG-Guard是一个轻量级的基于图的框架，用于检测基于LLM的知识库问答中的幻觉。它将LLM视为黑盒，使用图编码器与MLP分类器来识别幻觉答案节点，在参数少得多的前提下优于基线方法。
提出DDGAD，一种基于扩散的图异常检测框架，利用轨迹动力学区分正常节点与异常节点，通过可靠性感知的一致性机制和三种互补的异常信号缓解污染传播。
本文介绍了传导锐化（TS），一种用于半监督节点分类的损失级修改，它最小化无标签节点上的预测熵，同时平衡有标签节点的效果，在不改变架构的情况下实现一致的性能提升。
本文介绍了HAAM，一种用于多重图中节点分类的新方法，能够适应不同维度上的同质性和异质性交互。它使用维度特定的兼容性矩阵以及通过切比雪夫多项式近似的可训练低通和高通滤波器的乘积，来捕捉信号的平滑和突变变化。