计算机应用研究

作者：曹荣荣,柳林,于艳东,王海龙,

单位：1.内蒙古师范大学计算机科学技术学院,呼和浩特010022；2.集宁师范学院乌兰察布市智能信息处理与安全重点实验室,内蒙古乌兰察布012000；

关键词：大语言模型,知识图谱,可解释性,幻觉问题,知识语言协同,

基金：内蒙古自治区自然科学基金资助项目(2022QN06003,2023LHMS06006,2024LHMS06015)；内蒙古师范大学基本科研业务费专项基金资助项目(2022JBYJ032)；内蒙古自治区档案馆档案科技项目(2023-13)；无穷维哈密顿系统及其算法应用教育部重点实验室(内蒙古师范大学)资助项目(2023KFYB03,2023KFZD03)；；

大语言模型在多个垂直领域应用中展现出卓越性能，但其生成内容存在可解释性不足与幻觉问题，严重制约了实际部署。而知识图谱以结构化语义网络形式存储事实知识，为增强大语言模型的可控性与知识约束提供了新路径。为此，系统梳理知识图谱与大语言模型融合的技术路线，从预训练、模型架构改造、微调优化三个阶段分析代表性方法，总结其提升模型可解释性与缓解幻觉的作用机制，并探讨多模态知识表示对齐、动态知识更新滞后等核心挑战。分析表明，知识图谱的深度融合可显著提升大语言模型生成内容的事实一致性，但未来需突破多模态知识对齐、轻量化增量式融合及复杂推理验证等技术瓶颈，推动大语言模型向知识语言协同驱动范式演进，为构建可信、可解释的智能系统提供理论支撑与技术方向。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期