如何让大模型感知知识图谱知识？蚂蚁联合实验室：利用多词元并行预测给它“上课”

蚂蚁联合实验室提出了一种基于大语言模型的多词元并行预测方法K-ON，通过实体层级的对比学习使大模型能够更好地感知知识图谱知识。实验结果显示，该方法在多个知识图谱补全任务中优于现有方法，并且具有较高的训练与推理效率。

该方法通过多词元并行预测机制一次性生成所有实体的评估结果，解决了知识图谱与自然语言之间粒度不匹配的问题。