大模型垂域知识融合及复杂推理决策技术研究
计算机学院（国家示范性软件学院）
大模型的应用以惊人的速度向各个领域扩张，逐渐成为人工智能行业的基石。面对垂直场景，现有技术方案在知识融合和复杂推理决策上表现乏力，无法很好的解决垂域复杂决策问题。引入结构化知识的检索增强生成（RAG），是在垂直领域增强大模型的有效手段，但存在“知识图谱构建、更新和维护难，大模型垂直场景复杂逻辑推理能力弱”等问题。本项目在构建超关系高血压知识图谱、对金融反洗钱场景多跳推理研究的基础上，采用“结构化知识图谱的自动构建与增量优化方法、基于知识图谱的多步推理结构化与逻辑路径优化技术”两步研究方案。以RAG的框架作为基础，借助超关系知识图谱与多智能体（多Agent）协同等前沿技术，搭建基于结构化知识的检索生成与层次化推理框架，形成面向复杂场景的垂域大模型专家。本项目的实施，旨在提升大模型面对专业问题的生成质量，同时为大模型研究提供新的思路与方案，助推大模型在医疗，金融，法律等垂直领域的落地应用与效果提升。
