论文
图语言：知识图谱如何与LLM对话
The Graph Language: How Knowledge Graphs Speak to Large Language Models
摘要
大语言模型（LLMs）在推理方面表现出色，但它们从知识图谱（KG）中受益。然而，将这些方法集成起来是困难的。我们引入了GRALAN，这是一种通过关系标记在LLM的语义空间中直接与KGs交互的方法。GRALAN-可训练的语言调解器生成任何冻结LLM的结构化标记，为知识密集型应用提供基础。我们通过将任务重新定义为围绕问题焦点子图的实体分类来展示其有效性。实验结果表明，GRALAN在复杂多跳推理任务中显著优于现有方法，建立了KG-LLM集成的新范式，同时保持结构忠实性，利用LLMs的推理能力。
