Краткое содержание

arXiv:2501.15791v4 Тип объявления: замена Аннотация: Графы знаний широко используются в промышленных приложениях, что делает обнаружение ошибок критически важным для обеспечения надежности последующих приложений. Существующие методы обнаружения ошибок часто не могут эффективно использовать информацию о тонких подграфах и полагаются исключительно на фиксированные структуры графов, при этом также страдая от недостатка прозрачности в процессе принятия решений, что приводит к субоптимальной производительности обнаружения. В данной статье мы предлагаем новый многоагентный фреймворк для обнаружения ошибок в графах знаний (MAKGED), который использует несколько больших языковых моделей (LLM) в совместной среде. Путем конкатенации тонко детализированных двунаправленных вложений подграфа с вложениями запросов на основе LLM во время обучения наш фреймворк интегрирует эти представления для создания четырех специализированных агентов. Эти агенты используют информацию из различных измерений подграфов для участия в многораундовых обсуждениях, тем самым повышая точность обнаружения ошибок и...