Graph of AI Ideas: Leveraging Knowledge Graphs and LLMs for AI Research Idea Generation
作者: Xian Gao, Zongyun Zhang, Mingye Xie, Ting Liu, Yuzhuo Fu
发布时间: 2025-03-12
来源: arxiv
研究方向: 人工智能研究思想生成
主要内容
本文提出了一种名为GoAI的框架，旨在利用知识图谱和大型语言模型（LLMs）来生成人工智能领域的研究思想。该框架通过组织相关文献到知识图谱中的实体，并将引文中的语义信息总结为图中的关系，有效地反映了学术论文之间的关系和人工智能研究领域的进步。通过LLMs捕捉研究进展，从而增强其创造力。
主要贡献
1. 提出了一个新的学术知识图谱GoAI及其构建方法，用于表示论文之间的引用关系，并捕获这些引用中包含的语义信息以及不同引用的重要性。
2. 引入了GoAI Agent，一个研究思想生成代理，与知识图谱协作。
3. 提出了一个评估方法来评估由LLMs生成的思想，用于评估、提供反馈和改进。
研究方法
1. 文献搜索和过滤：使用语义学者API搜索相关论文，并根据其排名选择关键参考文献。
2. GoAI图构建：根据关键参考文献的引用关系构建知识图谱。
3. 思想生成：使用LLMs作为代理，在知识图谱中分析趋势并生成新的思想。
4. 新颖性评估：使用GoAI-CoT-Reviewer进行新颖性评估，该模型通过结构化推理过程评估思想的创新性。
5. 消融研究：通过消融研究来探究结构化思考过程对评估模型的影响。
实验结果
实验结果表明，GoAI在生成新颖、清晰和有效的思想方面非常有效。与现有方法相比，GoAI在生成具有新颖性和重要性的思想方面表现出色。
未来工作
未来工作将包括进一步优化GoAI框架，使其能够处理更广泛的主题和领域，并改进评估模型，使其能够更准确地评估思想的创新性。