304 字
2 分钟
ChatKBQA
https://arxiv.org/pdf/2310.08975
主要问题：语义解析和知识检索，通常检索主要的实体和联系来限定思考的范围。先前的工作尝试提出了不同的 rag 框架，比如实体解析 NER，子图检索
ChatKBQA 吧过程转换为两个子部分：生成和检索
在检索部分，通过指令微调大模型在对语义解析的时候展示出了很高的准确性。
在检索阶段，chatKBQA 提出了一种无监督的检索方式，在知识库中使用短语级语义检索来查询相关实体。
方法
我们首先指令微调了一个大模型，然后 llm 吧问题 Q 转化为逻辑形式，然后转换逻辑形式为一个 SPARQL 查询语句，最后得到基于 KB 查询得到答案 A。
RoG
提出规划 - 检索 - 推理框架，首先有 RoG 生成可靠的推理计划，然后从 KG 中检索有效的推理路径（靠知识图谱微调打模型），然后通过检索模块（深度优先搜索得到多条可选路径然后投票）进行推理。 那要是路径输出错误或者顺序不对呢（？）