AI 与机器学习2020arxiv.org
知识图谱
Knowledge Graphs
进阶 · 约 180 分钟读完前置知识：图论基础、语义网/RDF、数据库查询
导读
这篇 arXiv 论文是对知识图谱的系统性综述，梳理其定义、分类、形式化以及构建、查询、推理和应用等关键议题。评论特别指出，论文对知识图谱给出了此前缺失的清晰定义与分类（附录 A.3）。
HN 关注点：这篇综述能否厘清知识图谱的概念边界，以及语义网/知识表示与日常编程实践之间到底有何关联。
后来怎么样
该综述后来成为知识图谱领域的标准参考之一，其定义与分类框架被大量后续论文、课程和教材沿用。
HN 评论精选
这几条评论里：支持 1 质疑 1 补充 1 亲历 1
支持称赞论文对知识图谱的定义和分类填补了空白。
哇，很棒的资源。我只是快速浏览了一下，但我喜欢他们对知识图谱进行了定义和分类（附录 A.3），因为这件事此前没有被妥善完成。
tasogare查看英文原文
Whao, great resource. I just skimmed it, but I like they define and categorize knowledge graphs (annex A.3) because this is something that wasn't properly done.
补充补充论文作者撰写的知识图谱历史资料。
这篇论文的两位作者写过一份很有帮助的知识图谱历史梳理，喜欢这个投稿的人会觉得有意思：http://knowledgegraph.today/paper.html
cldwalker查看英文原文
Two of the paper's authors wrote up a helpful history of knowledge graphs that would be interesting for those who enjoyed this submission - http://knowledgegraph.today/paper.html
亲历亲历者认为知识图谱更适合组织数据源，而非 AI 知识表示。
还没读论文，但作者阵容很棒！我在两家公司做过知识图谱，对此颇有看法。我认为大型、快速的知识图谱（即不做 OWL 推理）是组织不同数据源的好工具，但我已经对把知识图谱用于 AI 意义上的知识表示失去兴趣。这只是个人观点，领域里很多人会不同意。
mark_l_watson查看英文原文
Haven’t read the paper yet, but a great list of authors! I have worked on Knowledge Graphs at two companies, and I am fairly opinionated about them. I think that large fast KGs (i.e., no OWL reasoning) are a good tool for organizing different data sources, but I have lost my interest in KGs for Knowledge Representation (in the AI sense). Just a personal opinion, lots of people in the field would disagree with me.
质疑质疑知识图谱与常规编程体系仍缺乏清晰统一。
要让这些数据模型与普通程序员的工作之间关系变得清晰，仍有太多难以跨越的鸿沟。我一直认为两者有大量重叠，并不是真正不同的主题，只是我们还没看清中间那道大沟。很高兴看到这份综述和广泛考察，但在我看来，在核心问题上仍没有实质进展：解释这些语义系统不过是对已有编程语言系统的重新表达（或以其他方式统一）。
rektide查看英文原文
still many bridges too far to make it clear what connection these data models have to with what the rest of programmers do. i continue to believe theres a huge amount of overlap, that these are not really different topics, but that there's some large gulf we have yet to see ourselves across. nice to see a survey, a broad examination, but still no real ground gained that i can see in doing the core thing: explaining how these semantic systems are just a re-expression of already familiar programming language systems (or otherwise unified).
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2020Hacker News 讨论帖261 分 · 49 评
- 2021Hacker News 讨论帖160 分 · 28 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选