本文综述了大型语言模型（LLMs）在知识融入、分类、基准测试及应用方面的研究进展，指出其在处理长尾实体知识时的不足。研究表明，结合非参数化知识（如知识图谱）能显著提升模型性能，并探讨了LLMs在主题提取和图数据处理中的潜力与挑战。