Think-on-Graph: Deep and Responsible Reasoning of Large Language Model with Knowledge Graph

本文是LLM系列文章，针对《Think-on-Graph: Deep and Responsible Reasoning of Large Language Model with Knowledge Graph》的翻译。

摘要

大型语言模型（LLM）在各种任务中取得了重大进展，但它们往往难以进行复杂的推理，并且在知识可追溯性、及时性和准确性至关重要的场景中表现出较差的性能。为了解决这些局限性，我们提出了Think on Graph（ToG），这是一个新颖的框架，利用知识图谱来增强LLM的深度和负责任推理能力。通过使用ToG，我们可以识别与给定问题相关的实体，并进行探索和推理，从外部知识数据库中检索相关的三元组。这个迭代过程生成由顺序连接的三元组组成的多个推理路径，直到收集到足够的信息来回答问题或达到最大深度。通过对复杂多跳推理问答任务的实验，我们证明了ToG优于现有方法，有效地解决了LLM的上述局限性，而不会产生额外的训练成本。

1 引言