知识图谱与NLP讨论班

课程简介

本课程《知识图谱在 NLP 中的应用研究专题研讨》面向研究生开设，旨在深入探索知识图谱与大语言模型融合的前沿趋势。当前，大模型虽强大但存在幻觉与知识滞后问题，而知识图谱能提供结构化知识支撑，二者结合已成为 NLP 研究的核心热点。课程强调理论与实践并重。

课程内容涵盖知识图谱基础构建、大模型原理及 KG 增强 LLM 的关键技术，重点讲解智能体（Agent）、工作流（Workflow）编排，以及 OpenCLAW、SeaDance 等新兴框架的实际应用。课程共 18 学时，采用"理论讲授 + 研讨互动"模式。前 8 学时由教师系统梳理核心理论与技术架构，夯实基础；后 10 学时为学生文献研讨，每 2 学时安排 3 位同学汇报最新顶会论文，开展深度交流与批判性讨论。

通过本课程，学生将掌握 KG 与 LLM 协同的核心方法，了解行业动态，提升科研创新能力与学术表达能力，为后续从事相关研究打下坚实基础。欢迎对 NLP 及知识工程感兴趣的同学选修。

课程内容安排（共 18 学时）

第一阶段：教师基础讲授（8 学时）

• 第 1-2 学时：知识图谱基础与 NLP 任务
  • 知识图谱定义、构建流程及在 NLP 中的传统应用。
• 第 3-4 学时：大语言模型原理与局限
  • LLM 架构解析、预训练与微调，重点分析幻觉与知识更新问题。
• 第 5-6 学时：知识图谱增强大模型技术
  • KG 与 LLM 融合范式（如 RAG、微调注入）、推理增强技术。
• 第 7-8 学时：前沿技术与框架解析
  • 智能体（Agent）与工作流（Workflow）编排，详解 OpenCLAW、SeaDance 等热点技术架构。

第二阶段：学生文献研讨（10 学时）

• 第 9-18 学时：前沿文献专题研讨
  • 本阶段共 5 次研讨，每次 2 学时，由 3 位同学轮流汇报。研讨内容围绕知识图谱与大模型融合的前沿方向，涵盖智能体协同、工作流编排、OpenCLAW/SeaDance 等新兴框架、动态知识更新、推理增强等热点主题。学生需提前阅读指定或自选的顶会论文（如 ACL、EMNLP、NeurIPS 等），进行文献精读与批判性分析，并在课堂上进行展示与互动讨论。教师负责引导讨论方向、点评汇报质量，并帮助学生梳理技术演进脉络与研究方法论，培养学术表达与团队协作能力。