异构认知与生物医学知识图谱上的 LLM 基准：图接地在多跳推理与幻觉缓解中的作用

该研究在 DrugBank、NeuroSynth、Cognitive Atlas、Brain Map 和 GDPKG 五个知识图谱上评测 GPT-5.1、Gemini 2.0 Pro、Llama 3、Qwen 和 BioGPT 五个模型，构建分层查询数据集，比较图接地与无接地条件下的推理深度与事实准确性。标注一致性较高（Cohen's kappa 0.781，Fleiss' kappa 0.77）。结果显示通用模型在多跳与高层推理上总体优于领域专用模型，但随查询复杂度上升性能下降；图接地降低了所有模型的幻觉率，领域模型并未如假设般稳定占优。

AI推荐理由 在五个异构知识图谱上基准测试五个 LLM 的多跳推理与幻觉表现，引入分层查询数据集并对比图接地与无接地条件，报告标注者一致性（Cohen's kappa 0.781、Fleiss' kappa 0.77）。发现通用模型在多跳与高层推理上普遍优于领域模型，图接地可降低所有模型的幻觉率，且领域专用模型并未稳定占优，结论具参考价值；但摘要未给出具体数值幅度。