大语言模型(large language model,LLM)及其衍生的多模态大模型因其强大的生成能力、泛化能力引发了AI新变革,但存在幻觉问题、可解释性差等不足。知识图谱(knowledge graph,KG)具备推理结果可解释、可增量知识更新等能力,但交互能力较...大语言模型(large language model,LLM)及其衍生的多模态大模型因其强大的生成能力、泛化能力引发了AI新变革,但存在幻觉问题、可解释性差等不足。知识图谱(knowledge graph,KG)具备推理结果可解释、可增量知识更新等能力,但交互能力较差。该文综述了知识图谱与大模型技术的发展历程、关键技术、优势与局限。针对电力数据与业务特点,分析了两者应用于电力领域的主流方法,建立了面向电力领域的知识图谱与大模型相融合的技术架构,重点分析了各应用场景的可行性,并指出了未来面临的挑战和可能的研究方向。展开更多
基金国家自然科学基金联合基金项目(U21A20485)浙江省高等教育“十四五”本科教育教学改革项目(jg20220019)+3 种基金浙江省产学合作协同育人项目(202018)浙江大学2023年度本科教学创新实践项目重点项目(202309)浙江省基础公益研究计划项目(LGG22F030008)浙江大学第一批AI For Education系列实证教学研究项目(202402)。
文摘大语言模型(large language model,LLM)及其衍生的多模态大模型因其强大的生成能力、泛化能力引发了AI新变革,但存在幻觉问题、可解释性差等不足。知识图谱(knowledge graph,KG)具备推理结果可解释、可增量知识更新等能力,但交互能力较差。该文综述了知识图谱与大模型技术的发展历程、关键技术、优势与局限。针对电力数据与业务特点,分析了两者应用于电力领域的主流方法,建立了面向电力领域的知识图谱与大模型相融合的技术架构,重点分析了各应用场景的可行性,并指出了未来面临的挑战和可能的研究方向。
