Large Language Models for Verifiable Commonsense Knowledge Graph Question Answering

本文是LLM系列文章，针对《Right for Right Reasons: Large Language Models for Verifiable
Commonsense Knowledge Graph Question Answering》的翻译。

摘要

知识图谱问答（KGQA）方法寻求使用存储在知识图谱（KGs）中的关系信息来回答自然语言问题。随着大型语言模型（LLM）的最新进展及其卓越的推理能力，利用它们进行KGQA的趋势越来越大。然而，现有的方法只专注于回答事实问题，例如“西尔维奥·贝卢斯科尼的第一任妻子出生在哪个城市。在这项工作中，我们首先观察到，现有的基于LLM的KGQA方法在这些问题上与幻觉作斗争，特别是在针对长尾实体（例如，非主流和最近的实体）的查询上，从而阻碍了它们在现实世界应用中的适用性，特别是因为它们的推理过程不容易验证。作为回应，我们提出了基于正确理由的权利（ R 3