经济实惠的AI助手，结合思维知识图谱

发布于 2025 年 4 月 3 日

作者：Maciej Besta、Lorenzo Paleari、Jia Hao Andrea Jiang、Robert Gerstenberger、You Wu、Jón Gunnar Hannesson、Patrick Iff、Ales Kubicek、Piotr Nyczyk、Diana Khimey、Nils Blach、Haiqiang Zhang、Tao Zhang、Peiran Ma、Grzegorz Kwaśniewski、Marcin Copik、Hubert Niewiadomski、Torsten Hoefler

arXiv:2504.02670 [ cs.AI, cs.CL, cs.IR, cs.LG ] github:spcl/knowledge-graph-of-thoughts

摘要

大型语言模型（LLMs）正在彻底改变能够跨领域执行各种任务的AI助手的开发。然而，当前最先进的LLM驱动代理面临着重大挑战，包括高运营成本和在GAIA等复杂基准测试上成功率有限。为了解决这些问题，我们提出了思维知识图谱（KGoT），这是一种创新的AI助手架构，它将LLM推理与动态构建的知识图谱（KGs）相结合。KGoT提取任务相关知识并将其结构化为动态知识图谱表示，并通过数学求解器、网络爬虫和Python脚本等外部工具进行迭代增强。这种结构化的任务相关知识表示使得低成本模型能够有效解决复杂任务，同时最大限度地减少偏差和噪声。例如，与使用GPT-4o mini的Hugging Face Agents相比，KGoT在GAIA基准测试上的任务成功率提高了29%。此外，与GPT-4o相比，利用更小的模型将运营成本显著降低了36倍以上。对于其他模型（例如Qwen2.5-32B和Deepseek-R1-70B）和基准测试（例如SimpleQA），改进效果相似。KGoT为AI助手提供了一种可扩展、经济实惠、多功能且高性能的解决方案。