大型语言模型越来越多地用于知识图问答（ KGQA ） ，但可能无法正确接地底层图中的答案。目前基于LLM的KGQA方法要么依赖于对可执行查询（如SPARQL ）的完整语义解析，由于复杂的架构或现实世界KG的不完整性， SPARQL在实践中很脆弱，要么依赖于LLM推理和应答生成

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.24824v1)获取最准确的信息。

---
🔗 **原文链接**: [Constrained Entity Selection under Partial Knowledge for LLM](https://arxiv.org/abs/2608.24824v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Emanuel Kitzelmann

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-26 14:02