简介
随着大语言模型和智能体技术的快速发展，知识增强与逻辑驾驭正成为突破模型幻觉、提升复杂推理能力、构建可信AI的关键路径。知识图谱作为连接数据、知识与智能的重要基础设施，正与动态本体、GraphRAG、神经符号学习、知识超图等技术深度融合，推动知识表示、语义理解、逻辑推理和自主决策能力持续演进。本论坛以“知识增强与逻辑驾驭：知识图谱赋能可信AI”为主题，邀请相关领域知名专家，围绕动态本体与大模型融合、知识增强推理、图谱智能体、神经符号学习、知识超图等前沿方向，分享最新理论、关键技术与应用实践，共同探讨知识图谱赋能可信AI的发展趋势，为构建可信、可解释、可控的智能系统提供新思路。
简介为官网原文，部分内容可能未写完。
人员
主席
- 陈华钧 · 浙江大学计算机科学与技术学院
嘉宾
- 杨博 · 吉林大学
- 田玲 · 电子科技大学
- 姜巍 · 中国电科智能科技研究院
- 张日崇 · 北京航空航天大学
- 鄂海红 · 北京邮电大学
- 林俊宇 · 复旦大学
报告安排
神经符号学习
杨博 · 吉林大学
简介
符号主义和链接主义是人工智能的两大方法论，分别模拟演绎推理和归纳学习两种认知过程。神经符号AI期望将两者融合起来，取长补短，建立具有更加高效、鲁棒、可解释的智能系统，是当前人工智能研究的一个热点。神经符号学习是神经符号AI的重要研究分支，本报告从神经符号学习的两个基本任务入手，介绍神经符号分类和神经符号回归的基本原理，关键技术，代表方法，以及在视觉推理和复杂动态系统自动建模等领域的应用案例。
基于知识超图的推理与决策模式探索
田玲 · 电子科技大学
简介
知识图谱为知识的表示、存储、推理和应用提供了一种新范式，知识超图作为知识图谱的拓展，通过引入超边简化复杂关系。知识超图融合层次化表示、超边结构、时间节点、事理节点等内容，显著地扩充知识图谱的内涵与功能。本次报告从知识超图出发，探索归纳、演绎、溯因等可解释知识推理模式，以大小模型协同驱动，为可解释高可靠智能决策赋能。
适配复杂对抗环境的动态本体与大模型一体化融合技术研究
姜巍 · 中国电科智能科技研究院
简介
针对多域异构数据标准不统一、大模型语义理解断层、实体关联推理滞后等实战痛点，开展动态本体与领域大模型一体化数据融合架构研究。通过动态本体实时更新、多源数据语义对齐核心机制，搭建本体知识底座，实现多源数据结构化映射；构建本体与大模型双向协同推理链路，依托本体约束校正大模型信息抽取偏差，利用大模型与动态本体协同推理，实现跨域语义融合，形成适配复杂对抗场景的一体化数据融合架构，为全域态势研判、全流程快速决策闭环提供技术支撑。
大语言模型的数据表征与知识增强
张日崇 · 北京航空航天大学
简介
大语言模型在自然语言理解与生成上展现了卓越能力，但其表征机制与知识增强方法仍是制约模型进一步应用的核心挑战。本报告围绕数据表征与知识增强两个维度，探讨大语言模型的语义表征方法，分析其在传统分类和检索等任务上的瓶颈与突破方向，介绍大语言模型与知识图谱的双向交互方法，涵盖知识注入、检索增强生成及结构化知识引导的推理增强等前沿进展，揭示二者协同如何缓解模型幻觉与知识缺失问题，结合团队在开源大语言模型上的实践，分享在领域微调、高质量数据合成以及基于强化学习的推理优化方面的系统性工作。
从图谱智能体到自主发现系统：结构化知识赋能可信科学推理
鄂海红 · 北京邮电大学
简介
大模型在复杂专业任务中常受制于幻觉与推理瓶颈。本报告聚焦“结构化知识赋能可信AI”，首先分享团队在知识增强与智能体推理方向的最新顶会成果，重点介绍基于知识超图重塑表示的HyperGraphRAG、构建证据链的NeocorRAG，以及主动图谱探索Agent框架KBQA-o1与Graph-R1。进而，探讨该知识增强范式在AI4S领域（物质科学与生命科学）的广泛应用，剖析结构化知识如何有效抑制科学幻觉，赋能自主发现系统中的可信前沿推理。