arXiv cs.AI· Tung-Wei Lin, Gabe Fierro, Han Li, Tianzhen Hong, Pierluigi Nuzzo, Alberto Sangiovanni-Vinentelli·· 11 小时前AI 评分26
多违规知识图谱修复中的选择性检索路由框架
Selective Retrieval Routing for Multi-Violation Knowledge Graph Repair
AI 导读
研究提出一种面向迭代式知识图谱修复的选择性检索框架：LLM 修复智能体负责探索和编辑图谱，路由器控制其是否调用检索外部证据的研究者智能体。在两个楼宇自动化数据集上，研究者访问对部分违规修复有提升、对另一些则有损害，且效果随部署而异。路由器在全部六个评测套件中比始终开启访问消耗更少修复期 token，并在六个套件中的五个取得高于始终禁用访问的修复 F_1。
正文 · AI 翻译
摘要：知识图谱常常包含缺失或不一致的事实，这会削弱基于它们构建的应用。模式验证能检测出此类违规，但无法确定在若干有效修复中哪一种能恢复预期的图。外部语料库可以提供识别预期修复所需的证据，但从其中检索代价高昂且并非总能成功。我们提出了一个用于迭代图修复中选择性检索的框架。一个 LLM 修复智能体探索并编辑图，而一个路由器控制其对检索外部证据的研究者智能体的访问。我们扩展了一个违规注入框架，以生成具有多个兼容违规和已知参考修复的案例。智能体在这些案例上的修复结果为训练部署特定的路由器提供了监督。在两个楼宇自动化数据集上，研究者访问改善了一些违规的修复，却使另一些违规的修复变差，且效果因部署而异。在所有六个评估套件中，路由器使用的修复期 token 少于始终启用访问的情况。在六个套件中的五个里，它取得了比始终禁用访问更高的修复 $F_1$。
| 主题： | 数据库（cs.DB）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.07342 [cs.DB] |
| （或 arXiv:2611.07342v1 [cs.DB] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07342 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tung-Wei Lin [查看电子邮件]
[v1]
2026年11月5日星期四 02:29:58 UTC（893 KB）
来源：arXiv cs.AI · arxiv.org