新传媒网近日，2024 Inclusion·外滩大会“超越平面思维，图计算让AI洞悉复杂世界“见解论坛上，来自美国伊利诺伊大学芝加哥分校、国际关联数据基准委员会（LDBC）、中国人寿财产保险、蚂蚁集团等单位的顶尖学者和企业负责人共聚一堂，针对深度图学习、知识图谱、图行业标准和产业应用等议题展开了探讨。在会上，蚂蚁集团还公布了“CCF-蚂蚁科研基金图计算专项”入选结果，东北大学、复旦大学、上海交通大学、华中科技大学、中国人民大学、香港中文大学（深圳）、清华大学的8位学者入选，将共同推动图计算产学研协同发展。
“数据挖掘领域巨擘”——美国伊利诺伊大学芝加哥分校计算机科学与技术系特聘教授俞士纶，分享了其在深度图学习方面的工作。俞教授认为，图模型是实体之间的关联关系的刻画，该技术路线不同于大语言模型基于神经网络的统计逻辑。比如，在推荐场景，图模型可以用协同过滤来发现用户之间的共同喜好，而大语言模型就很难做到。俞教授还提出了几何深度图学习（Geometric Deep Graph Learning）的概念，并从图的表征空间和混合曲面多关系的角度重新审视了图神经网络（GNNs）的能力。在多个应用中，GNNs都取得了良好的效果，为构建图基础模型开辟了新的思路。
（美国伊利诺伊大学芝加哥分校计算机科学与技术系特聘教授俞士纶分享图模型最新研究）
知识图谱由于能够有效解决大模型“幻觉”问题，被认为是大模型真正落地的关键技术之一。蚂蚁集团知识图谱负责人梁磊分享了知识增强在构建专业智能体中的实践。 梁磊介绍，蚂蚁集团自研了专业领域增强大模型服务框架KAG，这套框架通过图谱逻辑符号引导决策和检索，提升了垂直领域决策的精准性和逻辑严谨性；通过信息检索可补全知识图谱的稀疏性和知识覆盖的不足，同时充分利用大语言模型的理解和生成能力降低领域知识图谱的构造门槛。这套框架在垂直领域的适用性得到了有效验证。比如，支付宝最新推出的AI 原生App“支小宝”采用这套框架，在政务问答场景的准确率提升到了91%，医疗问答的准确率也超过了80%，围绕更垂直的指标解读准确率可达90%以上。梁磊还透露，KAG框架会进一步向社区开放，并在开源框架OpenSPG中原生支持，也欢迎社区共建。
