arXiv · cs.AI· Mohammad Sadeq Abolhasani, Yang Ba, Yixuan He, Rong Pan·· 2 天前
TRACE-KG：基于诱导模式生成可溯源的上下文增强知识图谱
Traceable Context-Enriched Knowledge Graph Generation with Induced Schemas
arXiv:2604.03496v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mohammad Sadeq Abolhasani, Yang Ba, Yixuan He, Rong Pan
研究任务与主要进展
TRACE-KG无需预定义本体即可联合构建上下文增强知识图谱与数据驱动的诱导模式，并通过结构化限定符表达条件关系、保留来源证据的可追溯性。论文摘要称实验生成了结构连贯且可溯源的知识图谱；代码、实验与 Prompt 已公开于 https://github.com/mosadddeq01/TRACE-KG。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org