在异构认知和生物医学知识图上对大型语言模型进行基准测试:图基础在多跳推理和幻觉缓解中的作用
原文:Benchmarking Large Language Models on Heterogeneous Cognitive and Biomedical Knowledge Graphs: The Role of Graph Grounding in Multi-Hop Reasoning and Hallucination Mitigation
大语言模型 (LLM) 越来越多地用于生物医学和认知神经科学,但它们对异构知识图 (KG) 进行可靠推理的能力仍不清楚。我们对五个 LLM(GPT-5.1、Gemini 2.0 Pro、Llama 3、Qwen 和 BioGPT)进行了基准测试,涉及五个 KG:DrugBank、NeuroSynth、Cognitive Atlas、Brain Map 和 GDPKG。我们引入多层查询数据集来评估原因
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。