知识图谱

研究者提出生成式本体归纳（GOI）框架，利用大语言模型从文档语料库中自动发现结构化知识图谱，无需预定义模式即可实现跨领域应用。

本文从图神经网络（GNN）的视角，系统梳理了基于GNN的链接预测方法，提出基于技术和应用的新型分类法，并探讨了当前面临的挑战与未来方向。

研究人员提出MGDT框架，通过MLLM引导的扩散Transformer与关系自适应专家混合机制，显著提升多模态知识图谱补全性能。该框架采用先对齐后扩散的范式，在三个基准数据集上表现优于现有方法。

研究者提出GraphDx框架，通过构建医学诊断知识图谱与多智能体协作，在提升诊断准确率的同时显著降低检测成本，为自动化临床诊断提供经济可靠的解决方案。

研究团队提出一种神经符号智能体框架，通过知识图谱工具增强Gemma 3、Llama 3.2等小语言模型的多跳逻辑推理能力，在亲属关系基准测试中实现1.5-2倍性能提升。

研究者提出HG-RAG框架，通过层次化知识图谱检索增强大模型推理能力，在关系推理和多跳查询任务中显著优于传统平面检索方法。

研究团队开发了评估框架，发现GPT-4o、Claude等主流模型在生成临床试验摘要时存在“无依据陈述”问题，并通过知识图谱增强检索系统显著提升了摘要的忠实度。

研究者提出AgentKGV框架，通过动态路由与迭代查询改写解决知识图谱事实验证难题，配合两阶段训练策略显著提升准确率并降低检索成本。

研究提出知识图谱与可解释AI互补融合框架，通过四种整合模式提升城市拆除评估决策的可辩护性。

研究者提出MedKGTab框架，通过注入生物医学知识图谱，有效解决医疗研究中的数据稀缺问题，实现跨域特征的高保真生成。

研究者提出OPI框架，通过引入关系中心的本体图来捕获关系约束，结合双向检索与迭代优化策略，显著减少搜索空间并提升多跳知识图谱问答的准确率。

京东推出基于大语言模型与视觉大模型的工业级商品知识生产平台Oxygen AIIC，覆盖数万品类，每日处理数亿商品更新，显著提升搜索覆盖与信息质量。

研究者推出首个专注于多模态知识图谱检索增强生成（MKG-RAG）中检索环节的跨领域评测基准MKG-RAG-Bench，通过实验证明有效检索仍是提升系统性能的关键瓶颈。

研究人员开发了一套基于知识图谱的多智能体框架，整合了FDA不良事件报告、患者论坛和医疗评论平台的抗抑郁药安全信息，实现了权威数据与患者经验的来源可追溯整合。

研究者推出T2D-Bench评测框架，通过多层临床-生活方式知识图谱检验大模型在2型糖尿病建议中的证据完整性。测试显示GPT-4o系列模型约三分之一输出未通过证据路径核查。

研究者提出LUCID方法，首次针对大语言模型知识图谱推理框架中的幻觉问题，通过联合利用注意力分数、语义信息和图结构进行检测，在九个数据集上超越15个基线模型。