KnowledGPT:Enhancing Large Language Models with Retrieval and Storage Access on Knowledge Bases

本文是LLM系列文章，针对《KnowledGPT:Enhancing Large Language Models with Retrieval and Storage Access on Knowledge Bases》的翻译。

摘要

大型语言模型（LLM）在自然语言处理领域表现出了令人印象深刻的影响，但它们仍在与一些问题作斗争，如完整性、及时性、忠实性和适应性。虽然最近的努力侧重于将LLM与外部知识源联系起来，但知识库的整合仍然研究不足，并面临着一些挑战。在本文中，我们介绍了KnowledGPT，这是一个将LLM与各种知识库连接起来的综合框架，有助于知识的检索和存储。检索过程采用了思维链提示程序，该程序以代码格式为知识库生成搜索语言，并为知识库操作提供预定义的功能。除了检索，KnowledGPT还提供了将知识存储在个性化知识库中的能力，以满足个人用户的需求。通过广泛的实验，我们表明，与普通LLM相比，通过将LLM与知识库相结合，KnowledGPT能够正确地回答更广泛的需要世界知识的问题，利用了广泛已知知识库中存在的知识和提取到个性化知识库中的知识。

1 引言

2 相关工作

3 方法

4 实验

5 局限性

6 结论

在本文中，我们介绍了KnowledGPT，这是一个将LLM与外部知识库集成的综合框架，有助于LLM在知识库上的检索和存储。对于检索，KnowledGPT采用“思维程序”提示，通过代码生成和执行来检索知识。对于存储，KnowledGPT从用户提供的文本中提取各种形式的知识，并用提取的知识填充个性化知识库。KnowledGPT解决了将LLM与知识库集成所固有的几个挑战，包括复杂的问题回答、实体链接中的歧义以及有限形式的知识表示。我们通过大量实验表明，KnowledGPT有效地为LLM提供了在外部KB上操作的能力。