ontology

提出 OPI，一种面向多跳知识图谱问答的本体引导框架，利用以关系为中心的本体图进行双向检索和迭代精炼，在多个基准上取得了最先进的结果。

本文介绍了JD Oxygen AI Item Center (Oxygen AIIC)，一个工业级平台，利用LLM/VLM进行物品知识生产和服务，实现了高精度和高召回率，并在京东的搜索、推荐和运营中带来了可衡量的收益。

TOTEN是一个基于知识的本体化标记化框架，用基于工程实体形式本体的声明式分类取代统计标记化，实现了巴西葡萄牙语中物理量和技术符号的高本体原子性和数值重建。

本文提出了AgenticRei框架，该框架使用OWL表达的道义政策对由LLM驱动的代理型AI系统进行运行时治理，实现了义务、豁免和冲突解决，超越了传统策略引擎。

本文提出了机器翻译中不可译性的结构化本体论，以及补偿策略的分类法和多语言数据集。人类偏好研究表明，翻译质量取决于所使用的策略，且对解释性翻译存在一致偏好。

作者描述了一个问题：LLM 代理的记忆图谱因错误的边而损坏，并提议使用声明的本体来验证写入和遍历。对 120 条故意破坏的遍历进行的测试捕获了所有错误。

研究人员提出了一种基于本体论的企业AI智能体部署前验证框架，结合了智能体操作包络、自动化场景生成以及可机器验证的信任证书与分级部署判定。在四个受监管行业开展的试点研究共生成1,800个测试场景，结果显示基于本体论的生成方法在监管覆盖率上显著优于基于角色的基线方法。

违规情形模式（VSP）将合规违规行为具体化为持久化图节点，包含生命周期状态和审计历史，从而生成持久可查询的违规记录，使得检测逻辑能够在保持累积历史不变的情况下演进。

本文提出了一种神经符号框架，通过将一致性校正推迟到后提取阶段，从文本中构建基于本体的知识图谱，从而减少令牌使用，同时提高知识图谱的一致性并保持问答性能。

解释了如何通过使用Pydantic模式定义本体来修复代理记忆，实现结构化提取到知识图谱中以进行多跳推理，并提供了一个开源解决方案（Zep）。

SciCustom是一个从大规模数据中构建定制化科学基准的框架，无需专家标注即可对LLM的科学能力进行细粒度评估。它利用本体化知识单元和基于投票的共识机制来选取相关基准，并在化学和医疗领域进行了验证。

本文提出一种符号框架，利用本体、语义分析（AMR）和推理，将脱敏的警方叙述转化为证据关联的事实，从而能够对通常仅存在于自由文本中的事件细节进行结构化查询。

HEAR是一种企业代理推理器，利用分层超图本体在异构业务系统上执行多跳推理，在供应链任务上实现了高达94.7%的准确率。

本文介绍了 SAGE，这是一个基于分层大语言模型的框架，通过基于本体的解释维度来评估文学质量。它在评估叙事的文化、情感和哲学方面表现出高可靠性和评分者间一致性，凸显了人类创作作品与大语言模型生成作品之间的差距。

文章分析 Palantir 的 AIP 平台如何作为端到端 Agent 架构的范例，强调本体（Ontology）作为企业核心知识对于构建可进化情报系统的重要性。