摘要
针对基于大语言模型（LLM）的智能体在扁平文档存储上推理准确率受限的问题，本研究引入知识图谱层作为数据基础。实验表明，相较于直接使用 LLM 处理原始数据，让 LLM 生成结构化查询并由确定性图引擎执行，能显著提升工业维护场景下的表现。研究证实，在结构化运营领域，数据层而非编排策略是主要瓶颈，知识图谱有效连接了原始数据与 LLM 推理。
AI 推荐理由
论文核心探讨数据层结构对 LLM 推理准确性的影响，通过知识图谱增强推理能力。
研究机构
VaidhyaMegha Private Limited, India
论文信息