近日，在2024 Inclusion・外滩大会上，蚂蚁集团知识图谱负责人梁磊分享了“构建知识增强的专业智能体”相关工作，并介绍了蚂蚁集团最新研发的知识图谱与大模型结合的成果——知识增强大模型服务框架KAG。
KAG框架通过图谱逻辑符号引导决策和检索，显著提升了垂直领域决策的精准性和逻辑严谨性。同时，KAG框架还能通过信息检索补全知识图谱的稀疏性和知识覆盖的不足，并充分利用大语言模型的理解和生成能力，降低领域知识图谱的构造门槛。
据悉，KAG框架在支付宝最新推出的AI原生App“支小宝”中得到应用，政务问答场景的准确率提升到了91%，医疗问答垂直的指标解读准确率可达90%以上。
梁磊表示，KAG框架会进一步向社区开放，并在开源框架OpenSPG中原生支持，欢迎社区共建。
在演讲中，梁磊还探讨了可信是大语言模型真正落地应用的前提。他指出，大语言模型在垂直领域的应用有巨大机会，但同时也存在不懂领域知识、做不了复杂决策、不可靠等问题。因此，在垂直领域落地时，大语言模型必须确保专业和可信。
KAG框架针对大语言模型和图谱的结合做了五方面的增强，包括知识表示的增强、图结构与文本互索引、符号引导的拆解和推理、基于概念的知识对齐、KAG Model等。
1）KAG：LLMs友好的知识表示。通过原始文本增强深度上下文感知，实现了更丰富的可解释文本的知识关联，对大语言模型也更友好。
2）互索引：结构化知识与文本数据互索引结构。将原有的term-based倒排索引升级为graph-based倒排索引，通过开放信息抽取获取原始文档中的关键元素和描述性信息，进行有效的语义切分，形成一个包含业务实体、通用概念知识和文本块的图结构。
3）符号引导的拆解和推理。通过图谱逻辑符号引导决策和检索，显著提升了垂直领域决策的精准性和逻辑严谨性。
4）基于概念的知识对齐。通过对实体、关系和属性进行统一表示，实现知识对齐，提高知识图谱的互操作性。
5）KAG Model。针对大语言模型和图谱的结合，提出了KAG Model，实现更精准的知识推理和问答。
蚂蚁集团此次发布KAG框架，旨在推动大语言模型在垂直领域的应用，为用户提供更精准、更可靠的智能服务。
Views: 0