我们评估了五种大语言模型（GPT‑5.1、Gemini 2.0 Pro、Llama 3、Qwen、BioGPT）在五个异构知识图谱上的推理能力：DrugBank、NeuroSynth、Cognitive Atlas、Brain Map 与 GDPKG。为此构建了多层次查询集，分别在图接地（KG‑aware）和图无关（KG‑agnostic）两种条件下测量多跳推理深度和事实准确性。标注一致性良好，Cohen\'s κ 为 0.781（范围 0.753‑0.807），Fleiss\'s κ 为 0.77。实验表明，通用模型尤其是 GPT‑5.1 与 Gemini 2.0 Pro 在多跳和高层次推理任务上整体优于专用模型，但随着查询复杂度提升，所有模型的表现均出现下降。图接地显著降低了幻觉率，且在所有模型中均有效。与初始假设相反，专用模型在缺乏图接地的专业任务上并未持续超越通用模型。基于这些发现，我们给出在任务复杂度和计算资源约束下选择 LLM‑KG 集成策略的实用建议，并讨论了面向个性化医疗、认知障碍诊断以及可解释 AI 的混合神经符号架构前景。
点评：本研究提供了系统的实验框架，证明结构化图信息是抑制大模型幻觉、提升多跳推理可靠性的关键因素，对实际应用具有指导价值。