本稿は、完全な真の状態ではなく不完全な知識グラフの証拠に依存する際に、大規模言語モデルの推論軌道をグラウンディングするための理論的枠組みを提示する。

  • 証拠状態はエンティティアンカー、型付き関係残差、パスエネルギー、およびサポート領域を誘導し、言語モデルは候補軌道に対する事前分布を提供する。
  • オープンワールドの不完全性のもとでは、観測された状態のみに基づく硬規則では、偽で unsupported な軌道をすべて拒否しつつ、真だが未観測の軌道をすべて保持することはできない。
  • ソフトグラウンディングは、LLM 事前分布の KL 正則化変形として特徴づけられ、有限のスラックが非矛盾だがサポートされていない軌道に対するサポートを維持する。
  • この枠組みは、証拠摂動下での安定性限界をもたらすとともに、GraphRAG、KGQA、グラフエージェント、制約デコーディング、および忠実な生成のための制約レジームを明確にする。

主張は証拠相対的であり、KG 互換性を事実的真実ではなく宣言されたサポートとして扱う。