用于复制人工智能研究的可执行知识图谱

复制AI研究是大型语言模型（LLM）代理一项至关重要但又充满挑战的任务。现有方法通常由于背景知识不足和检索增强生成（RAG）方法的局限性而难以生成可执行代码，RAG方法未能捕捉到参考文献中隐藏的潜在技术细节。此外，先前的方法往往忽略了有价值的实现层面的代码信号，并且缺乏支持多粒度检索和重用的结构化知识表示。为了克服这些挑战，我们提出了可执行知识图（xKG），一个模块化且可插拔的知识库，可自动整合从科学文献中提取的技术洞察、代码片段和领域特定知识。当集成到具有两种不同LLM的三个代理框架中时，xKG在PaperBench上显示出显著的性能提升（o3-mini为10.9%），证明了其作为自动化AI研究复制的通用且可扩展解决方案的有效性。代码将在https://github.com/zjunlp/xKG发布。