摘要
知识图谱可引导大语言模型（LLM）推理，但系统所见通常为检索所得、不完整且具时效性的证据状态。本文提出一种理论视角，探讨在此类不完全图证据下如何对可观测的 LLM 轨迹进行 grounding。研究表明，在开放世界的不完全性下，仅基于观测状态的硬规则无法同时剔除所有虚假轨迹并保留所有真实但未观测到的轨迹。文章将“软 grounding
AI 推荐理由
论文核心研究知识图谱证据下 LLM 推理的理论基础与约束机制。
研究机构
1. 天津师范大学, 计算机与信息工程学院, 天津, 中国
2. 哈尔滨工业大学, 理学院数学系, 哈尔滨, 中国
论文信息