NeFut Logo NeFut
EN 管理员登录

[AI学术] 图介导的大语言模型系统在智能体时代的角色综述

发布于:2026-11-05 22:00 最后更新:2026-11-07 12:32
#AI #Graph #LLM

图结构在大语言模型(LLM)系统中承担结构化推理、知识落地、检索与记忆等核心功能。随着系统向智能体时代演进,图还用于组织执行依赖和多智能体通信,将中间观察与保留信息关联到后续决策。为厘清图的贡献,本文提出了面向操作层面的“角色‑位置”分类框架,覆盖推理、知识与证据、检索与记忆、执行以及协同五大维度。我们比较了图观察与外部计算如何引导决策,记忆表示与更新如何支撑后续任务,以及依赖关系如何约束执行和信息传递。该框架帮助区分局部指标提升与下游任务性能,并保留结果报告的实验条件。随后,本文将基准、对比设计、过程诊断和系统成本统一纳入评估体系。最后,指出自适应计算与停止、记忆维护以及依赖感知恢复等开放挑战,为判断图机制何时有益以及评估其跨组件、跨阶段影响提供依据。

点评:该综述系统化梳理了图在 LLM 系统中的多层次作用,为后续研究提供了清晰的评估框架和未来方向。

原文链接: https://arxiv.org/abs/2611.05953

[h] 返回首页