AGENTiGraph：一个基于大型语言模型的交互式知识图谱平台，利用私有数据

本文研究了对话式人工智能和问答系统在知识图谱中的应用，提供自然语言交互接口。

大型语言模型（如GPT-4）在知识图谱构建和推理方面表现优异，超越了微调模型。

提出了基于多智能体的AutoKG方法，利用大型语言模型进行知识图谱构建和推理。

知识图谱增强了对话代理的准确性，但生成文本仍然具有挑战性，选择序列到序列变压器模型进行文本生成。

KG-Agent框架允许小型大型语言模型自主决策，改进推理能力，展示了微调的有效性。

改进的知识图谱提示方法结合了知识图谱和大型语言模型代理，提高了推理和搜索准确性。

KG-RAG框架通过整合结构化知识图谱与大型语言模型，减少了对潜在知识的依赖。

LinkQ系统通过自然语言问答简化知识图谱查询构建，提升数据分析的效率。

全面调查了基于大型语言模型的聊天机器人在各领域的应用，讨论了面临的挑战和未来发展方向。

CogMG框架解决了大型语言模型在问答场景中的知识覆盖和更新问题，显著提高了答案的准确性。

提出了BioKGBench评估基准，评估大型语言模型驱动的代理系统在生物医学领域的表现。