KG-FIT 是模型训练领域的开源项目，由 pat-jj 开发，2024 年首次发布。
它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 130。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-20。本地部署，完全免费。
它主要面向的使用场景是：知识图谱补全与链接预测。同类可对比的替代方案包括 OpenKE、PyKEEN、DGL-KE。
KG-FIT
用大模型给知识图谱做微调，让关系预测更准
KG-FIT 是一个针对知识图谱的微调工具，利用大型语言模型（LLMs）来优化知识图谱嵌入。它解决了传统知识图谱嵌入方法在复杂语义关系下表现不佳的问题，通过LLM的语义理解能力，将文本信息与图结构结合，生成更高质量的实体和关系表示。核心能力包括：基于LLM的实体描述增强、关系路径的语义编码、以及端到端的微调流程。项目提供了简洁的Python接口，支持自定义LLM后端，适用于知识图谱补全、链接预测等任务。其创新点在于将LLM的生成能力融入图谱嵌入训练，显著提升了对长尾实体和稀疏关系的处理效果。
开源
free
开源模型
GitHub 星标
★ 130
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队pat-jj
所属国家
定价模式free
价格说明开源项目，本地部署，完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型kg-embeddings,knowledge-graph,large-language-models
GitHub 星标★ 130
30天Star增速
HF 下载量
上线时间2024-04-30 00:00:00
最近更新2026-08-20 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 提出LLM增强的图谱嵌入方法，在链接预测任务上比传统方法提升显著
- 支持多种LLM后端，灵活适配不同规模的模型
- 代码结构清晰，基于PyTorch，易于扩展和复现
不足之处
- 依赖外部LLM服务，推理成本较高
- 文档/社区待观察
适用场景
- 知识图谱补全与链接预测
- 企业级知识图谱构建后的质量优化
- 学术研究中的图谱嵌入对比实验
替代项目
OpenKE、PyKEEN、DGL-KE
项目介绍
上一篇：SoftCoT
下一篇：InstructERC
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···