知识推理

研究者提出知识中心框架，通过知识反转、注入与推理，显著提升ComfyUI等工作流生成系统的结构连贯性与执行成功率。

研究者提出NeurOWL框架，结合大语言模型与本体嵌入技术，为不完整的OWL本体提供语义推理支持，实现验证与溯因的联合处理。

研究发现现有知识型视觉问答基准测试存在系统性缺陷，导致模型能力被高估。团队提出审计修复方案并构建增强数据集，推动更可靠的评估方法。

研究人员提出一种名为IBA的训练免费框架，通过先识别实体再检索证据的两步策略，显著提升多模态大模型在知识型视觉问答任务中的表现。