万事通罗马：自动化知识图谱创建和问题生成

大语言模型 大幅改进了信息检索和问答功能；然而，现有数据集通常支持对非结构化文本进行基于向量的检索或对知识图进行推理，但没有提供结合这两种范式的统一表示。此外，当前的基准测试很少提供与底层语料库一致的 真值 实体、关系和基于事实的问答对。为了解决这一差距，我们引入了所有关系通向罗马（ARLtR），这是一个用于自动化知识图构建和基于事实的问答生成的统一框架。 ARLtR 联合构建知识图、嵌入和问答对，这些知识图、嵌入和问答对明确基于提取的实体、关系和支持文本证据。我们进一步将该框架实例化为以罗马帝国为中心的历史数据集，包括超过 19,000 个实体、16,000 个块和 8,400 个问答对 (https://huggingface.co/datasets/FaynePro/all-relations-lead-to-rome)。通过将符号图表示与密集检索表示紧密耦合，ARLtR 有助于在单个相干资源内评估和开发混合检索系统和语义引导方法。