本文提出了一个理论框架，用于在依赖不完整知识图谱证据而非完整真实状态时，锚定大型语言模型的推理轨迹。

  • 证据状态诱导实体锚点、类型化关系残差、路径能量和支持区域，而语言模型为候选轨迹提供先验分布。
  • 在开放世界的不完整性下，仅基于观测状态的硬性规则无法同时拒绝所有虚假且无支持的轨迹并保留所有真实但未观测到的轨迹。
  • 软锚定被描述为对 LLM 先验的 KL 正则化变形，其中有限的松弛保留了对于无支持但非矛盾轨迹的支持。
  • 该框架在证据扰动下产生了稳定性界限，并阐明了 GraphRAG、KGQA、图智能体、约束解码和忠实生成的约束机制。

这些主张是相对于证据的，将 KG 兼容性视为声明的支持而非事实真理。