大语言模型与知识图谱：混合知识表示的机会、争议与研究方向

资料定位

大语言模型把大量知识压缩进参数，知识图谱则用实体、关系和规则保存可查询的显式知识。论文讨论两种路线重新汇合后能够解决什么问题，以及各自无法单独覆盖的边界。

主要内容

作者从知识获取、表示、推理、更新、事实一致性和可解释性等角度比较大模型与知识图谱。重点不是简单地把知识图谱接到提示词，而是研究参数化知识和符号知识怎样建立双向交互、验证和持续更新机制。

阅读边界

本文属于立场与研究方向论文，提出的机会和问题并不等于已经形成统一工程方案。具体落地仍需结合RAG、图检索、实体链接、模型微调及业务知识治理分别验证。

项目应用

适合用于规划企业知识库、技术文档问答和事实核验系统。设计时应分别记录知识来源、更新时间、检索证据、模型生成结果和人工纠错，避免把模型记忆当作可审计数据库。

原文与许可

作者：Jeff Z. Pan、Simon Razniewski、Jan-Christoph Kalo等。本站保存未经修改的完整英文PDF，中文部分为独立阅读导引。PDF首页明确声明CC BY 4.0许可。