2. 知识表征与推理
为构建准确、全面的常识知识库，需要大量的来源广泛的常识知
识，包括人类社会层、人类个体层、物体层、以及抽象层等多个层次的信息融合，以确保学习到准确的常识知识。通过对文本的分析，挖掘和抽取出常识规则、常识知识，对知识进行有效的表示和推理，以及在复杂的推理问答任务中学习到常识、逻辑、演绎推理能力亦是研究难点。文献[5,6]等对传统常识知识库的构建方法进行了系统地分析和比较。当前随着大语言模型等新形式的知识推理工具的不断发展，更需要探索如何汲取传统知识表征和推理方法的准确性优势，改进大语言模型自身存在的模型幻觉等问题。