Large Language Model

大语言模型

围绕 LLM 的推理能力、知识增强、对齐与压缩,建立可验证、可复现的研究方法。

微信咨询该方向
大语言模型

Research Ideas

面向科研问答的 GraphRAG

研究问题: 普通 RAG 难以处理多跳学术关系与引用结构。

Research Gap: 论文图谱与生成过程缺少可控融合。

核心方法: 构建文献关系图并与检索生成协同。

创新点: 科研文献图约束的多跳推理。

推荐 Baseline: Dense RAG / GraphRAG

潜在实验: 多跳问答、引用忠实度、幻觉率。

推荐技术栈

PyTorchTransformersvLLMDeepSpeedLoRA / QLoRA

潜在投稿会议

ACLEMNLPICLRNeurIPSAAAIIJCAI