知识图谱是一种将现实世界中的实体和它们之间关系结构化表示的工具，通常储存在图数据库中。以下是一些关于如何构建生成式 AI 知识图谱的方法：

知识图谱是一种将现实世界中的实体和它们之间关系结构化表示的工具，通常储存在图数据库中。以下是一些关于如何构建生成式 AI 知识图谱的方法：

利用大语言模型（LLM）创建知识图谱，即利用 LLM 的自然语言处理功能处理大规模文本数据，如网上或期刊的内容，然后让不透明的 LLM 生成透明的知识图谱，知识图谱可进行检查、质量保证和仔细挑选。

使用知识图谱训练 LLM，不在大规模通用语料库上训练 LLM，而是专门在现有知识图谱上训练，这样可以构建精通产品和服务的聊天机器人，能不臆造地回答问题。

在 LLM 交互路径中使用知识图谱丰富查询和响应，例如拦截 LLM 的消息，用知识图谱的数据对其进行丰富，像 LLM 无法独立回答“展示最近五部有我喜欢演员出演的电影”，结合电影知识图谱的流行电影及其演员信息可丰富该提示，从 LLM 返回时，也可解析嵌入到知识图谱中，为用户提供更多见解。

使用知识图谱创建更好的模型，如华盛顿大学 Yejin Choi 的研究，一个 LLM 由名为“critic”的小型 AI 增强，该 AI 寻找 LLM 响应中的推理错误，同时为后续消费创建知识图谱，以训练一个更准确的“student”模型，该 student 模型规模更小、在许多基准测试上更准确，因为它从未学习过不准确的事实或对问题的不一致回答。

总之，构建生成式 AI 知识图谱需要将 LLM 与知识图谱相结合，通过多种方式发挥它们的优势，以提高生成式 AI 的准确性、透明度和可解释性。https://tuingai.com/