提高问答中的 LLM 准确性：本体论拯救！
原文中文，约500字，阅读约需2分钟。发表于：。使用知识图谱和语义表示的大型语言模型（LLMs）相较于直接对 SQL 数据库（即 Text-to-SQL）回答问题的系统，可以提高准确性，并且研究表明，通过使用知识图谱，准确性提升了从 16% 到 54%。本研究基于此，提出了一个方法来进一步提高准确性和降低错误率，通过本体检查 (LLM-generated SPARQL 查询与本体语义的匹配) 和 LLM 修复错误的 SPARQL...
该研究评估了大型语言模型在条件问答领域的能力和局限性。研究发现，微调的模型在某些情况下优于现有技术，但在抽取性问答方面落后。研究强调了有效证据检索的重要性，并提出了改进训练任务和探索基于提示的技术以提高模型性能的未来工作。
