VeriCypher用命名实体校验迭代纠错提升文本转Cypher问答可靠性。
资讯摘要
论文提出VeriCypher，一个面向标签属性图（LPG）的LLM文本转Cypher问答框架。它结合基于图模式摘要的查询生成、运行时执行、LLM查询评估与迭代纠错，核心机制是命名实体校验：从生成查询中抽取节点标签、关系模式、属性键和字面值，与目标图及模式比对，将不匹配转为下一轮生成的纠正指令。作者在CypherBench多领域、多LLM骨干上评估，报告答案正确率与查询鲁棒性较LLM基线稳定提升，消融显示该机制有助于纠正幻觉的模式元素与实体值。
要点速读
- 论文提出VeriCypher，用命名实体校验把生成Cypher中的标签、关系、属性键和字面值与目标图及模式比对，并转为纠错指令。
- 在CypherBench多领域、多LLM骨干上评估，作者报告答案正确率和查询鲁棒性较LLM基线稳定提升。
- 消融结果显示命名实体校验有助于纠正幻觉的模式元素与实体值。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。