研究者提出SeedER知识图谱检索方法
热点事件持续更新
研究者提出SeedER知识图谱检索方法
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
研究者 Hamed Shirzad 等人提出一种名为 SeedER（Seed-Expand-Retrieve）的知识图谱检索方法，将其定位为可在有限计算资源下运行的一阶段检索器。 据该研究称，SeedER 基于 Graph Transformer 与强化学习，推理时可在 CPU 上运行，训练时每次只需少量节点的反馈；在检索效果上可与微调大语言模型的方案竞争，同时显著降低内存与计算开销。
AI 根据报道生成 · 8 小时前更新
最新进展10月7日 12:00
SeedER：用 Graph Transformer 与强化学习实现高效知识图谱检索报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.LGSeedER：用 Graph Transformer 与强化学习实现高效知识图谱检索
研究者提出 SeedER（Seed-Expand-Retrieve），一种基于 Graph Transformer 和强化学习的一阶段知识图谱检索器，推理时可在 CPU 上运行，训练时每次只需少量节点的反馈。该方法在检索效果上可与微调 LLM 的方案竞争，同时显著降低内存与计算开销。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。