Artikel ini menyajikan kerangka kerja teoretis untuk grounding lintasan penalaran model bahasa besar (LLM) ketika mengandalkan bukti graf pengetahuan yang tidak lengkap daripada keadaan kebenaran yang lengkap.

  • Keadaan bukti menginduksi jangkar entitas, residu relasi bertipe, energi jalur, dan wilayah dukungan, sementara model bahasa menyediakan prior atas lintasan kandidat.
  • Di bawah ketidaklengkapan dunia terbuka, tidak ada aturan keras yang hanya berdasarkan pada keadaan teramati yang dapat secara bersamaan menolak setiap lintasan palsu yang tidak didukung dan mempertahankan setiap lintasan yang benar tetapi tidak teramati.
  • Grounding lunak dicirikan sebagai deformasi yang diatur KL dari prior LLM, di mana slack terbatas mempertahankan dukungan untuk lintasan yang tidak didukung namun tidak kontradiktif.
  • Kerangka kerja ini menghasilkan batas stabilitas di bawah gangguan bukti dan memperjelas rezim kendala untuk GraphRAG, KGQA, agen graf, decoding terkendali, dan generasi setia.

Klaim-klaim tersebut relatif terhadap bukti, memperlakukan kompatibilitas KG sebagai dukungan yang dinyatakan daripada kebenaran faktual.