標籤
知識圖譜把分散的實體、關係與規則連成可查詢的結構，常用在製造業解釋型 AI、文獻探索、推薦與資料整合。它的價值在於讓 LLM 或分析系統先對齊事實，再生成更可追溯的結果。
3 篇文章
CPR 把 conformal calibration 放到 KGQA 的推理路徑層級，目標是讓答案集合更小、覆蓋率更穩定，提升可部署性。
這篇論文把知識圖譜和 LLM 接起來，讓製造業的機器學習結果能被轉成更好懂的解釋。重點不是亂編答案，而是先抓相關圖譜事實，再交給語言模型整理。
Paper Circle 用多代理 LLM 把找論文、排序、整理到知識圖譜分析串成流程，目標是讓文獻探索更可重現，也更容易整合進工具。
