不完全な知識グラフ上でトポロジーを意識した推論：グラフベースのソフトプロンピング
arXiv cs.CL / 2026/4/15
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、知識集約型のQAにおける幻覚（ハルシネーション）を、脆弱な明示的なエッジの辿り方に依存するのではなく、不完全な知識グラフ（KG）に生成を基づけることで対処する。
- グラフニューラルネットワーク（GNN）により構造的な部分グラフをソフトプロンプトとして符号化し、エッジが欠けていても部分グラフ単位での推論を可能にする、グラフベースのソフトプロンピング手法を提案することで、対象の実体・関係の適切性を高める。
- 計算量を削減するために、二段階のフレームワークを提案する。まず軽量なLLMがソフトプロンプトを用いて関連する実体と関係を選択し、その後により強力なLLMが証拠を意識した回答生成を行う。
- 4つのマルチホップKBQAベンチマークでの実験により、3つのベンチマークで最先端の結果を報告しており、著者らはコードを公開GitHubリポジトリで提供している。
