arXiv cs.AI· Jan Range, Bj\"orn Schembera, Dominik G\"oddeke·· 10 小时前AI 评分20
通过 LLM 集成让数学知识可解释、可访问、可互操作:MathModDB 接入 MCP 服务器
Making Mathematical Knowledge Explainable, Accessible and Interoperable Through Large Language Model Integration
AI 导读
研究团队提出通过 MCP 服务器将 LLM 与数学模型数据库 MathModDB 集成,服务器提供向量索引的 schema 检索和基于 Steiner 树的 join 规划器,用自然语言对话访问经策展的知识。
正文 · AI 翻译
摘要:数学模型是形式化研究问题的核心,然而其文档记录往往未能达到 FAIR 原则。诸如数学模型数据库(MathModDB)之类的知识库通过提供经过整理、语义丰富的数学模型表示来弥补这一差距。MathModDB 构建于 Wikibase 之上——即支撑 Wikidata 的同一开源基础设施——利用语义网技术支持关联开放数据、协作编辑以及语义增强元数据的存储,使其成为更广泛的 Wikidata 生态系统中一个领域特定的知识图谱。然而,目前访问 MathModDB 要么需要浏览复杂的网页界面,要么需要熟练掌握 SPARQL 和 Wikibase API,这为潜在用户设置了显著障碍。此外,将此类经过整理的知识库与存储于例如 Dataverse 存储库实例中的实际研究数据相结合,仍然是一项挑战。为克服这些局限,我们提出通过模型上下文协议(MCP)服务器将大型语言模型(LLM)与 MathModDB 集成,该服务器提供向量索引的模式检索和基于 Steiner 树的连接规划器,将基于对话的自然语言交互与经过整理、具有认识论依据的知识相结合。尽管该架构在 MathModDB 上实例化,但可应用于其他基于 Wikibase 的系统。我们证明,该方法能够实现具有认识论依据的 LLM 使用,提升模型的可解释性和可访问性,超越标准 Wikibase 界面所能提供的水平,并简化与外部数据库和工具(如 Dataverse 数据存储库)的互操作性。我们通过两个用例展示了借助 MCP 协议的适应性,将 LLM 的可访问性与经过整理的知识库的认识论安全性相结合所带来的益处。
| 评论: | 发表于第 6 届 Wikidata Workshop @ ISWC 2026 论文集 |
| 主题: | 人工智能(cs.AI);数字图书馆(cs.DL) |
| 引用为: | arXiv:2607.24512 [cs.AI] |
| (或本版本使用 arXiv:2607.24512v2 [cs.AI]) | |
| https://doi.org/10.48550/arXiv.2607.24512 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Björn Schembera [查看邮箱]
[v1]
2026年7月27日星期一 14:53:40 UTC(28 KB)
[v2]
2026年11月18日星期三 10:05:38 UTC(47 KB)
来源:arXiv cs.AI · arxiv.org