本研究探讨了RAG系统在数据提取攻击中的隐私风险，提出了一种新的隐式知识提取攻击方法（IKEA），该方法通过良性查询提高了知识提取的效率和成功率，显示出RAG系统面临重大隐私风险。

本研究探讨了如何有效提取大型语言模型中的知识以生成逻辑程序。通过新方法增强推理能力，验证其应用潜力，结果表明能加速逻辑程序的推理过程。

本研究利用大型语言模型提取入侵生物学文献中的关键生态信息，包括物种、地点、栖息地和生态系统。尽管现有模型在生态实体提取上具有潜力，但仍存在局限性，为未来的知识提取工具奠定基础，帮助研究人员更好地理解和管理生物入侵。

ArchGuard 是一个开源架构治理平台，帮助开发者分析微服务依赖关系并提供改进建议。新推出的 Architecture Analyser 集成多种分析功能，利用 AI 从 API 调用链中提取业务和领域知识，提高知识提取效率，帮助用户优化软件架构。

该研究通过改进查询-键分数和注意力分数，解决了大语言模型在多选题评估中的格式限制问题。采用特定选择与复制注意力头的方法，LLaMA2-7B模型的表现提升了16%，在简单数据集上的准确率接近完美，验证了方法的有效性。

大型语言模型与图表示学习的结合促进了复杂数据分析的发展。研究提出了一种新分类法，分析其核心组成和操作技术，分为知识提取和整理两部分，并探讨集成和训练策略。研究揭示了有效模型设计，并指出未来研究方向。

FLAME是一种新方法，利用大型语言模型从少量样本中提取知识并进行微调，以实现更准确的分类体系扩展。实验证明FLAME在真实场景中取得了显著的改善。

该文介绍了一种提取不同类型知识的方法，利用加权概念知识分支和多模态检索知识分支，以提高报告生成的准确性。实验结果表明该方法高性能有效。

本文提出了一种基于敏感性的技术，用于提取和对齐不同规模的大型语言模型之间的知识特定参数，并使用 LoRA 模块注入提取的知识到较小模型的中间机制。通过四个基准测试验证了该方法的有效性，凸显了模型参数在不同规模的大型语言模型之间的可转移性。

本文介绍了一种三阶段的文件 QA 方法，包括从 PDF 中提取文本，检索证据以形成上下文，以及从上下文中提取三种类型的知识。通过对 QASPER 的评估，DRC 系统在提供更好的上下文选择的同时，Answer-F1 提高了 +7.19。结果显示，DRC 在科学文献 QA 中具有显著优势。