近期，MetaNovas Biotech 元星智药的首席科学家罗衡博士接受了《happi China》杂志的采访。访谈中，他围绕 AI 加生物知识图谱驱动的机制理解和功效型原料开发，深度剖析了 AI 技术，特别是生物知识图谱的引入，如何加速化妆品原料的研发，助力开发更高效、更精准的功效型化妆品……
您是否遇到过这样的困扰：明明搭建了完善的RAG系统，但Agent总是回答过时的信息，或者面对历史偏好变化时一脸茫然？
让大语言模型更懂特定领域知识，有新招了！
HuixiangDou 是群聊场景的 LLM 知识助手。
南洋理工大学的研究团队提出了MedRAG模型，通过结合知识图谱推理增强大语言模型（LLM）的诊断能力，显著提升智能健康助手的诊断精度和个性化建议水平。MedRAG在真实临床数据集上表现优于现有模型，准确率提升11.32%，并具备良好的泛化能力，可广泛应用于不同LLM基模型。
Zep，一个为大模型智能体提供长期记忆的插件，能将智能体的记忆组织成情节，从这些情节中提取实体及其关系，并将它们存储在知识图谱中，从而让用户以低代码的方式为智能力构建长期记忆。
如何让大模型感知知识图谱知识？
论文能不能中？可以用AI提前预测～ 港大黄超教授团队提出多智能体自动化框架GraphAgent，能自动构建和解析知识图谱中的复杂语义网络，应对各类预测和生成任务。
将知识图谱技术与RAG有机结合的GraphRAG可谓是今年下半年来的LLM应用领域的一个热点，借助大模型从非结构化文本数据创建知识图谱与摘要，并结合图与向量索引技术来提高对复杂用户查询的检索增强与响应质量。
现在，用LLM一键就能生成百万级领域知识图谱了？！ 来自中科大MIRA实验室研究人员提出一种通用的自动化知识图谱构建新框架SAC-KG
