Evaluating Knowledge Graph-Enhanced Context for Multiple-Choice Question Answering
Notice bibliographique
Résumé
Despite their impressive capabilities, Large Language Models (LLMs) struggle to access knowledge not encoded during pre-training. In-context learning (ICL) addresses this limitation by embedding relevant information directly in the prompt, enabling LLMs to use external knowledge without updating their parameters. Recent research has explored integrating knowledge from knowledge graphs (KGs) into prompts, as KGs offer structured and factual representations of concepts and their relationships. A common strategy involves identifying key concepts in the task, grounding them in the KG, extracting subgraphs that connect question and answer concepts, and incorporating the corresponding statements into the prompts. However, a major challenge in ICL is selecting appropriate knowledge, that is, information that supports the model's reasoning and improves performance, while minimizing irrelevant or noisy content that can reduce accuracy. This study investigates how the representation of knowledge in prompts and the relevance and scope of task-grounded KG knowledge affect LLM performance on multiple-choice question answering (MCQA) tasks. We compare triple-based versus path-based representations, assess relevance filtering strategies, and evaluate different knowledge processing approaches. Our findings show that path-based representations outperform triple-based approaches but are more sensitive to noise. While KG-based knowledge can enhance LLM reasoning, imprecise selection of relevant knowledge can degrade performance below the zero-shot baseline (where no additional context is provided), highlighting the challenge of integrating KG knowledge without task-specific selection strategies. Expanding the scope of extracted subgraphs increases recall (retrieving more relevant information) but reduces precision (as more noise is also included). These findings underscore the critical importance of balancing informativeness with noise reduction in KG-enhanced LLM systems. Source code is publicly available at https://github.com/maryam-ghanbari/KGSweetSpot.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».