2025第十八屆崇越論文大賞於114年8月24日假台北圓山大飯店舉行頒獎典禮。今年聚焦於AI應用，啟發學術界聚焦AI，助力台灣在全球競爭中保持領先，開創新局。徵集涵蓋AI技術發展、跨領域應用、與對產業、社會影響的優秀論文，探索AI在各領域的無限可能，推動台灣掌握這一新興機遇。
本系林育儒老師和黃欽印老師指導2025碩士班畢業生陳維思同學投稿，獲得第十八屆崇越論文大賞AI 技術開發與應用組-優等論文獎。
論文主題:基於知識圖譜增強的低幻覺大型語言模型問答系統
摘要:
近年來，大型語言模型（Large Language Models, LLMs）在自然語言處理領域的應用日益廣泛，其於問答生成任務中展現出強大能力。然而，因其訓練資料受限於時效性與真實性，導致模型容易產生與事實不符的內容，從而產生所謂的「幻覺現象（Hallucination）」。為解決此問題，檢索增強生成（Retrieval-Augmented Generation, RAG）技術透過引入外部知識支援生成任務，以提升回答的準確性與賦予模型回答即時資料的能力。
本研究提出一套自動化建構知識圖譜（Knowledge Graph, KG）的方法，作為語言模型的結構化知識基礎，以取代傳統依賴未結構文本的問答方式。系統設計包含文本擷取、分割、共指消解與語意驗證等步驟，並結合提示詞工程引導大型語言模型自動提取主詞、關係與受詞資訊，最終形成語意一致的三元組並建構圖譜。在圖譜建構完成後，本研究同時設計一套以知識圖譜作為過濾層並結合LLMs進行問答生成，實現以結構化知識進行邏輯查詢與語言回應，同時由於整體圖譜建構流程可自動完成，亦顯著降低人工建構成本與主觀偏誤。
實驗結果顯示，該圖譜導向架構在問答準確率、拒答能力及語意一致性等指標上，皆優於傳統基於原始文本的RAG方法，尤其是在面對複雜問題或無明確答案情境時更具優勢。
研究證實，結合知識圖譜與大型語言模型的架構可有效降低幻覺現象，並提升問答系統的可信度與可控性，對於未來智慧應用系統具備實質貢獻與發展潛力。
