arXiv cs.CL· Han Zhang, Langshi Zhou, Hanfang Yang·· 11 小时前AI 评分26
ArG：通过主动自我反思在知识图谱上学习检索与推理
Learning to Retrieve and Reason on Knowledge Graph through Active Self-Reflection
AI 导读
研究者提出面向知识图谱推理的主动自我反思框架 ArG，首次以端到端训练实现基于结构化图的迭代推理。模型用特殊 token 主动控制推理过程，实现按需检索和多维细粒度知识评估，生成的推理路径具备高可解释性。在知识图谱推理任务上，该模型优于现有基线，论文已被 CIKM 2026 的 LASS Workshop 接收。
正文 · AI 翻译
摘要：已有大量研究探讨了将大语言模型（LLM）与知识图谱相结合以增强推理过程。然而，模型如何利用结构化图知识进行推理，这一问题仍未得到充分探索。现有方法大多依赖 LLM 或检索器对知识的使用做出二值判断，这种判断过于粗糙。同时，整个推理路径中仍缺乏用于反思与控制的反馈机制。本文提出了一种面向知识图谱推理的主动自反思框架（ArG），首次引入端到端训练方法，以实现基于结构化图的迭代推理。在该框架中，模型利用特殊 token 主动控制推理过程，实现按需检索以及多维度、更细粒度的知识评估。模型生成的推理路径具有高度可解释性，能够更深入地探究模型对结构化知识的理解。最终，所提出的模型在知识图谱推理任务中相比现有基线取得了优异的结果。
| 评论： | 10 页，3 幅图，5 张表。已被 CIKM 2026 的 LASS Workshop 接收 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2502.14932 [cs.CL] |
| （或 arXiv:2502.14932v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2502.14932 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Langshi Zhou [查看邮箱]
[v1]
2025 年 2 月 20 日星期四 06:38:48 UTC（973 KB）
[v2]
2026 年 10 月 16 日星期五 05:33:00 UTC（559 KB）
来源：arXiv cs.CL · arxiv.org