本研究构建了包含10万条高质量数据的XhTCM数据集，并基于此开发了中医药专用大语言模型XuanHuGPT。通过参数高效微调技术（PEFT），该模型在准确性、覆盖度、流畅性等多维度评估中显著优于通用大模型和现有中医专用模型，为中医药知识的数字化转型和智能传播提供了可复制的范式。

ESG合规要求日益复杂，但标准深嵌于非结构化文档，传统方法难以为继。本文介绍的OntoMetric框架，创新性地结合本体引导的大语言模型（LLM）抽取与双阶段验证，可将ESG文档自动转化为可验证、可追溯的知识图谱。实验证明，该方法将语义准确率从基线的3-10%提升至65-90%，为自动化合规与可持续金融分析提供了高保真、低成本的解决方案。

摘要：本文探讨了企业级大模型应用中数据治理的核心挑战与解决方案。文章指出，当前LLM落地的真正瓶颈在于传统数据治理方法无法满足大模型需求，而非提示词工程或向量数据库等技术。通过分析传统治理的四大困境（建模昂贵、实施困难、执行不一致、维护负担重），提出基于SQL的本体论作为突破路径。这种语义层方法能统一数据定义、权限和策略，使治理变得可重用、透明且可持续。文中还展示了金融和医疗领域的应用案例，并提供

本文介绍MOF-ChemUnity知识图谱系统，通过整合MOF领域的科学文献、晶体结构及计算数据，构建统一的知识体系。该系统利用大语言模型实现文献数据提取与关联，解决MOF命名标准化难题，目前已整合1万篇文献和1.5万个晶体结构数据。应用包括多属性机器学习预测、专家级材料推荐和可信赖的AI科研助手，显著提升材料发现的效率与可靠性。该工作为文献驱动的材料研究提供了可扩展框架，在准确性、可解释性方面优

Hulu-Med：首个透明化通用医疗视觉-语言模型 本文提出Hulu-Med，这是一个突破性的医疗AI模型，能够统一处理文本、2D/3D图像和视频等多种医疗数据。该模型基于1670万公开样本训练，覆盖12个解剖系统和14种成像模态，在30个基准测试中的27个超越开源模型，16个测试优于GPT-4o等专有系统。其创新包括： 统一架构设计：原生支持多模态医疗数据处理 高效训练：通过医学感知token压

【摘要】本综述探讨大型语言模型（LLMs）如何革新知识图谱构建范式，系统分析其在三层本体工程、知识提取与知识融合中的应用。研究对比了基于模式（强调结构化）与非模式（强调开放性）两种技术路径，指出LLMs通过动态模式调整、语义推理和多模态集成显著提升了知识获取能力，但仍面临可扩展性、可靠性等挑战。未来研究方向包括知识图谱增强的LLM推理、动态知识记忆系统及多模态知识融合，旨在推动符号化知识与神经语义

本文介绍VisPile系统，该创新工具通过整合大语言模型(LLM)与知识图谱(KG)技术，显著提升情报分析效率。系统支持智能文档分组、自动摘要生成、关系映射等功能，经专业分析师验证可有效处理海量文本数据。VisPile采用多模态AI集成架构，包含语义搜索、LLM驱动分析、知识图谱可视化三大核心模块，并配备AI生成内容验证机制。专家评估表明，该系统能缩短70%文档处理时间，同时提高分析深度与准确性。

本文解析三种企业级知识库架构方案：基础Vanilla RAG、基于知识图谱的Graph RAG和多智能体协作的Agentic RAG。研究表明，生成式AI每年可为全球经济贡献2.6-4.4万亿美元价值。文章通过Uber、宝马等案例，比较了三种方案的适用场景：Vanilla RAG适合简单QA场景，Graph RAG擅长复杂关系推理，Agentic RAG则提供可扩展的领域专业化能力。企业可根据用例

在AI驱动科学发现（AI4Science）的新范式下，生物医学领域正迎来一场深刻的认知革命。大语言模型（LLM）凭借卓越的语义理解与零样本学习能力，正重塑知识提取的效率；而知识图谱（KG）以其严谨的结构化事实，为AI推理提供了必不可少的"逻辑锚点"。本文深度解析了LLM与KG从互补到融合的技术路径，探讨了如何通过智能体（Agent）编排实现复杂的生物医学推演。这一范式不仅缓解了模型的幻觉问题，更在

在AI驱动科学发现（AI4Science）的新范式下，生物医学领域正迎来一场深刻的认知革命。大语言模型（LLM）凭借卓越的语义理解与零样本学习能力，正重塑知识提取的效率；而知识图谱（KG）以其严谨的结构化事实，为AI推理提供了必不可少的"逻辑锚点"。本文深度解析了LLM与KG从互补到融合的技术路径，探讨了如何通过智能体（Agent）编排实现复杂的生物医学推演。这一范式不仅缓解了模型的幻觉问题，更在