AKA: Agentic Self-Knowledge Augmentation Framework

Jo, Dae Woong

doi:10.1007/978-3-032-00686-8_27

2026-01-01

PRE

Jo, Dae Woong *

DOI：10.1007/978-3-032-00686-8_27

原文链接

摘要

En 中文

基于大型语言模型技术的快速进步，使得持续获取、精炼和验证知识的能力成为开发更自主、知识丰富的AI系统的关键能力。本文介绍了代理自知识增强（AKA），一种多智能体推理框架，能够动态探索、验证和补充不完整知识图谱（KG），从而提升问答（QA）性能和知识完整性。与假设知识图谱完全构建的传统知识图谱问答（KGQA）方法不同，AKA整合内部大型语言模型知识与外部来源，实时增强缺失事实。该框架采用两个协作智能体——图谱推理智能体（GRA）和图谱增强智能体（GAA），以及动态增强表示（DAR）和多重子图结构（MSG），实现可扩展且可信的知识扩展。实验结果表明，AKA在静态KGQA基准上实现了18%的准确率提升，为构建具备自主学习和自验证知识增强能力的AI系统提供了具体步骤。

Keyword:

Knowledge Graph

Large Language Model

Multi-Agent

Dynamic Augmentation

Autonomous AI