KG-RAG4SM：知识图谱 RAG 提升 schema 匹配，精度较 LLM SOTA 提升 39.79%
Chuangtao Ma · hf · 2026-11-10
奥尔堡大学等机构提出 KG-RAG4SM，用知识图谱检索增强生成解决 schema 匹配中的语义歧义与 LLM 幻觉问题，无需重新训练。
- 融合 LLM 检索、向量检索、图遍历与混合检索，配合高级重排序，从外部 KG 抽取最相关子图
- MIMIC 数据集上精度较 LLM SOTA（如 Jellyfish-8B）提升 39.79%，F1 提升 30.56%
- Synthea 数据集上精度较 PLM SOTA（如 SMAT）提升 69.20%，F1 提升 21.99%
- 可从常识 KG 扩展到领域 KG，并包含指令微调知识排除组件
「研究」频道最新
- 哲学家 Mizrahi 回应 Nyholm,再辩 AI"心理状态"与长期主义 — SvenNyholm · 2026-11-10
- UT Austin 开源 OopsieVerse：给机器人打分不只看完成任务，还看弄坏了什么 — DynamicWebPaige · 2026-11-10
- Scott Aaronson 对谈:AI 正在攻克悬置数百年的数学难题 — burny_tech · 2026-11-10
- SOTA Transformer 有哪些现代特征？SwiGLU 与短程卷积被点名 — giffmana · 2026-11-10
- 斯坦福发布新一期 AI100 报告：聚焦生成式 AI 规模化与基建投资 — sarahookr · 2026-11-10
- Pre-Norm 并不保证尺度不变性，现代 Transformer 架构假设遭质疑 — aaron_defazio · 2026-11-10