基于领域特定知识图谱的面向旅行推理大语言模型

针对大语言模型在旅行等专业领域因缺乏底层领域图内部化而导致的推理不准确问题，本文提出了一种基于专家设计知识图谱的模块化构建流程。该方法通过自底向上遍历图谱生成多跳问答对作为可审计的推理痕迹，对模型进行监督微调。实验表明，微调后的模型在基准测试中准确率显著提升，并有效改善了校准性。研究进一步分析了剩余错误模式，证实了显式知识图谱 grounding 能大幅提高专业领域 LLM 的推理精度与不确定性解释能力。