Juanzi Li
Strukturiertes Wissen aus Knowledge Graphs mit den statistischen Mustern zu verbinden, die Sprachmodelle aus Text lernen — und was diese Kombination für Evaluation bringt.
Lis KEG Lab an Tsinghua ist die methodische Heimat einer der am längsten laufenden Linien zu Knowledge-Graph-augmentierten Sprachmodellen — OpenKE für KG-Embeddings, KEPLER für die Verbindung von KG und Sprach-Vortraining (Pretraining) sowie ein Forschungsstrang, der über Zhipu zur offenen ChatGLM-LLM-Linie führte. Der rote Faden ist die Verpflichtung auf Sprachmodelle, die neben ihrem parametrischen Gedächtnis einen externen strukturierten Wissensanker haben; das macht die resultierenden Systeme leichter auditierbar — man kann das Modell und den Knowledge Graph getrennt befragen und anschließend vergleichen. Für ai100, das Markennennungsverhalten auditiert, ist die KG-augmentierte Evaluationstradition der nächstliegende Vorläufer, um „was das Modell sagt“ von „was seine Quellen stützen“ zu trennen.