arXiv cs.CL· Fanfu Wei, Thibault Ehrhart, Rapha\"el Troncy·· 10 小时前AI 评分32
Kontrast：检测文本、表格与知识图谱间的跨模态知识不一致
Detecting Knowledge Inconsistencies Across Text, Tables, and Knowledge Graphs
AI 导读
研究团队提出 Kontrast 框架，用 Text-to-SPARQL 和 LLM 推理对比表格答案与知识图谱证据，自动检测并归类跨模态知识不一致。该工作同时给出覆盖信息粒度差异、直接冲突、时间变化和 KG 不完整性的不一致分类体系。
正文 · AI 翻译
摘要：Wikipedia 和 Wikidata 被广泛用于信息获取、LLM 预训练和检索增强生成。它们的知识紧密相连，但分散在文本、表格和知识图谱中。这引出了一个实际问题：当这些模态不一致时，我们如何检测并解释冲突？我们将此问题作为模态级不一致检测来研究。我们首先引入跨模态知识不一致的分类体系，涵盖信息粒度差异、直接冲突、时间变化和 KG 不完整性。然后我们提出 Kontrast，一个自动框架，使用 Text-to-SPARQL 和 LLM 推理来比较基于表格的答案与 KG 证据，并对由此产生的不一致进行分类。在各种 Table-QA 数据集上的实验表明，跨模态不一致是常见且信息丰富的。它们不仅揭示了真正的知识冲突，还揭示了缺失的 KG 结构和时间不匹配，同时受限于 Text-to-SPARQL 错误和噪声。我们的分析表明，文本、表格和 KG 可以通过系统比较相互补充和纠正。Kontrast 为大规模知识审计提供了实用工具，并为未来跨模态知识一致性研究建立了基准。代码和数据可在 此 https URL 获取。
| 主题： | 计算与语言 (cs.CL)；人工智能 (cs.AI) |
| 引用为： | arXiv:2607.25959 [cs.CL] |
| （或 arXiv:2607.25959v3 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2607.25959 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Fanfu Wei [查看电子邮件]
[v1]
2026年7月28日星期二 16:43:56 UTC (315 KB)
[v2]
2026年7月29日星期三 10:29:17 UTC (315 KB)
[v3]
2026年11月6日星期五 14:11:20 UTC (422 KB)
来源：arXiv cs.CL · arxiv.org