本研究提出了一种逻辑增强生成框架（LAG），结合语义知识图谱与提示启发式，旨在自动提取自然语言中的隐含知识。研究表明，该方法在隐喻检测与理解任务中优于现有基准，能够更好地理解视觉隐喻并实现更具解释性的推理。

本研究提出XAgents框架，旨在从大型语言模型中提取隐含知识和逻辑推理，提升多智能体系统的功能、解释性和性能。

本研究针对大型语言模型在隐含知识推理中的常识问题，提出通过新闻信息提取器构建知识库的方法，实验结果表明该方法在新闻分类任务中表现优异。

我们提出了一种框架，用于揭示表格单元中的隐含知识，以生成高质量的表格摘要。通过训练教师语言模型并采用质量提升策略，我们验证了该框架在多个数据集上的有效性。