kg-llm 是模型训练领域的开源项目，由 yao8839836 开发，2023 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 162。
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 2026-07-02。无在线服务，需自行部署，完全免费。
它主要面向的使用场景是：学术研究：复现ICASSP论文，对比LLM与传统图谱补全方法。同类可对比的替代方案包括 SimKGC、KG-BERT、StAR。
kg-llm
用大模型补全知识图谱，论文级代码直接复现
kg-llm 是一个探索将大语言模型用于知识图谱补全任务的开源项目，相关论文被 ICASSP 2025 接收。知识图谱补全旨在预测图谱中缺失的实体或关系，传统方法依赖图结构嵌入或规则，而该项目利用 LLM 的语义理解能力，将图谱中的三元组转化为自然语言提示，引导模型进行推理和预测。项目提供了完整的实验代码和数据集处理流程，支持多种主流 LLM 的接入，并设计了针对性的提示模板和评估机制。其核心价值在于验证了 LLM 在结构化知识推理上的潜力，并为后续研究提供了可复现的基线。
开源
free
开源模型
GitHub 星标
★ 162
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yao8839836
所属国家
定价模式free
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
是否开源是
开源协议
主要语言Python
技术栈/模型knowledge-graph,large-language-models,llm
GitHub 星标★ 162
30天Star增速
HF 下载量
上线时间2023-05-22 00:00:00
最近更新2026-07-02 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2
使用教程
核心亮点
- 方法新颖，将LLM语义能力与图谱结构推理结合，有ICASSP论文背书
- 代码结构清晰，包含数据预处理、模型调用、评估全流程，易于复现
- 支持多种LLM后端，方便对比不同模型效果
不足之处
- 早期项目，文档和社区支持待观察
- 依赖外部LLM API，实验成本较高且受限于模型服务稳定性
适用场景
- 学术研究：复现ICASSP论文，对比LLM与传统图谱补全方法
- 工业应用：利用LLM增强现有知识图谱的构建和维护
- 教学演示：展示LLM在结构化知识推理中的应用
替代项目
SimKGC、KG-BERT、StAR
项目介绍
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···