Cet article présente un cadre théorique pour ancrer les trajectoires de raisonnement des grands modèles de langage (LLM) lorsqu'ils s'appuient sur des preuves de graphes de connaissances incomplets plutôt que sur des états de vérité complets.

  • L'état de preuve induit des ancres d'entités, des résidus de relations typées, des énergies de chemin et des régions de support, tandis que le modèle de langage fournit une distribution a priori sur les trajectoires candidates.
  • Sous l'incomplétude du monde ouvert, aucune règle stricte basée uniquement sur l'état observé ne peut simultanément rejeter toutes les fausses trajectoires non étayées et conserver toutes celles qui sont vraies mais non observées.
  • L'ancrage souple est caractérisé comme une déformation régulée par KL de la distribution a priori du LLM, où un écart fini préserve le support pour les trajectoires non étayées mais non contradictoires.
  • Le cadre fournit des bornes de stabilité sous perturbations des preuves et clarifie les régimes de contraintes pour GraphRAG, KGQA, les agents graphiques, le décodage contraint et la génération fidèle.

Les affirmations sont relatives aux preuves, traitant la compatibilité du KG comme un support déclaré plutôt que comme une vérité factuelle.