KnowledgeNavigator：利用大型语言模型增强知识图谱推理能力

摘要 大型语言模型凭借其对自然语言的高级理解和零-shot能力，在多种下游任务中表现出色。然而，它们在知识约束方面存在困难，尤其是在需要复杂推理或连续逻辑过程的任务中。这些限制可能导致问答中的不准确和幻觉。本文提出了一种名为KnowledgeNavigator的新框架，该框架利用大型语言模型和知识图谱实现准确且可解释的多跳推理。特别是通过分析-检索-推理的流程，KnowledgeNavigator迭代搜索最优路径，以检索外部知识并引导推理至可靠答案。KnowledgeNavigator将知识图谱和大型语言模型视为灵活组件，可以在不同任务之间切换，无需额外成本。在三个基准测试中的实验表明，KnowledgeNavigator显著提升了大型语言模型在问答任务中的表现，且优于所有基于大型语言模型的基线方法。