Awesome-LLM-KG

一页看懂LLM与知识图谱融合的所有关键论文

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 179 🐛 待处理 5 👀 关注 129
GitHub ↗
GitHub 星标 ★ 2620
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,无在线服务,需自行部署,完全免费。

项目预览

Awesome-LLM-KG 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类开源模型
开发团队RManLuo
定价模式🏷️完全免费
价格说明开源项目,无在线服务,需自行部署,完全免费。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
技术栈/模型awsome,chatgpt,gpt-4,kg,knowledge-graph,language-model,large-language-model,llm,survey
GitHub 星标★ 2620
上线时间2023-06-07 00:00:00
代码更新2025-05-02
仓库体积1.5 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数8

项目介绍

Awesome-LLM-KG 是一个精选论文列表,系统梳理了大型语言模型(LLM)与知识图谱(KG)融合方向的研究成果。它解决了该领域论文分散、难以追踪的问题,为研究者提供了结构化的知识索引。项目按研究主题分类,涵盖知识增强的LLM、LLM驱动的KG构建与推理、以及两者联合的架构等核心方向,并收录了相关数据集和工具。其核心能力在于快速定位关键论文,帮助入门者建立领域全景,也方便资深研究者追踪前沿。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2620

使用教程

⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。

难度:入门 约 5 分钟 部署方式:本地安装 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 可访问 GitHub 的网络环境
  • 本地安装 git(用于克隆仓库)
  • 能阅读 Markdown 的编辑器或浏览器

安装与启动步骤

  1. 1克隆仓库到本地

    把论文列表仓库拉到本地,便于离线浏览和检索;无需任何依赖安装。

    git clone https://github.com/RManLuo/Awesome-LLM-KG.git
  2. 2进入目录阅读列表

    打开 README.md,按研究主题分类浏览论文;README 是唯一内容入口。

    cd Awesome-LLM-KG
  3. 3按主题定位论文

    在 README 中按“知识增强 LLM”“LLM 驱动 KG 构建与推理”等方向逐节查找目标论文链接。

  4. 4关注项目更新

    README 的 News 说明项目仍在开发中,可在 GitHub 上点 STAR 和 WATCH 跟进更新。

  5. 5(可选)查看关联代码

    README 的 News 给出了 GFM-RAG 的论文与代码链接,需要动手实践时再前往该仓库。

    git clone https://github.com/RManLuo/gfm-rag.git

如何确认成功

克隆后本地存在 Awesome-LLM-KG 目录且内有 README.md,能按分类找到论文链接即成功。

常见问题

Q:这个项目需要安装依赖或配置环境吗?

A:不需要。它是论文与资源清单仓库,克隆后直接阅读 Markdown 文件即可,README 未提供任何安装步骤。

Q:如何第一时间获取新增论文?

A:在 GitHub 页面点亮 STAR 和 WATCH,README 顶部的 News 会持续发布更新与相关成果。

Q:仓库里有可以直接运行的代码吗?

A:仓库本身不含可运行代码。News 中给出了 GFM-RAG 的论文和代码链接,需到对应仓库按其说明操作。

注意事项

  • 本仓库是论文索引,不是可部署软件,无需 Docker、pip 等安装动作。
  • 以上命令与链接均来自 README 与 GitHub 页面,README 未给出安装说明,故置信度为 low。
  • 项目标注为 under development,内容会持续变动,建议以最新 README 为准。

核心亮点

  • 分类清晰,覆盖知识增强、KG推理、联合架构等主流方向
  • 持续更新,收录最新顶会论文,紧跟研究热点
  • 附带数据集和工具链接,便于复现和实验

不足之处

  • 仅提供论文列表,无代码或深度解读,需自行阅读原文
  • 分类粒度较粗,部分论文归属可能不够精确

适用场景

  • 入门LLM+KG交叉领域,快速了解研究全景
  • 调研特定方向(如知识增强预训练)的经典与最新工作
  • 寻找可复用的数据集或工具用于实验

替代项目

Awesome-LLM、Awesome-Knowledge-Graph、LLM-KG-Bench

上一篇:dllm

下一篇:MiniMax-M2

同类项目推荐

WeMM-Embedding 开源

一套向量搞定图文互搜,多模态检索直接接入

WeMM-Embedding is a family of universal multimodal embedding models by the WeChat Vi···

★ 1812 2026-10-18
ModernBERT 开源

让老牌 BERT 重获新生,长文本更快更准

Bringing BERT into modernity via both architecture changes and scaling

★ 1780 2026-08-09
free-ai-resources-x 开源

一站式免费AI资源导航,快速找到好工具

A curated collection of free, high quality AI tools , APIs , datasets , and learning···

★ 999 2026-08-09
mace-foundations 开源

开箱即用的高精度原子势能模型,让材料模拟快如闪电

MACE foundation models (MP, OMAT, mh-1)

★ 324 2026-08-09
DeepSeek-VL 开源

看懂图片并回答问题的开源多模态大模型

DeepSeek-VL: Towards Real-World Vision-Language Understanding

★ 4191 2026-08-09
Liquid 开源

用语言模型统一生成图像与文本,一步到位

(Accepted by IJCV) Liquid: Language Models are Scalable and Unified Multi-modal Gene···

★ 640 2026-08-09
awesome-LLM-resources 开源

一份清单,搞定LLM学习与实战资源导航

‍ 全世界最好的LLM资料总结(多模态生成、Agent、辅助编程、AI审稿、数据处理、模型训练、···

★ 9071 2026-08-09
tapestry 开源

联合全球力量,训练属于你的主权AI模型

Project Tapestry aims to give every nation and participant frontier AI they can call···

★ 302 2026-08-09
CodeT5 开源

让 AI 读懂代码,自动生成、补全和翻译,提升开发效率

Home of CodeT5: Open Code LLMs for Code Understanding and Generation

★ 3084 2026-08-09