1.5 KiB
1.5 KiB
title, created, type, tags, sources
| title | created | type | tags | sources | ||||
|---|---|---|---|---|---|---|---|---|
| 知识树 (Knowledge Tree) | 2026-05-21 | concept |
|
|
知识树 (Knowledge Tree)
定义
知识树是 kore-augmentation 提出的结构化知识表示，将单个知识项展开为多层次的训练数据，形成"树干 + 树枝"的树形结构。
结构
[原始知识项]
/ \
Trunk Branches
(主干) (分支)
| |
多轮对话 指令任务
├ 启发式Q&A ├ 视觉识别
└ 对话Q&A ├ 图像描述
└ VQA
设计理念
一般的知识增强只生成孤立的离散变体——如把 "created" 替换为 "built"，或旋转图像。这些变体之间没有结构联系。
知识树则构建了一个连贯的多层次结构：
- 主干（Trunk）通过多轮对话让模型学习知识的上下文和推理链
- 分支（Branches）通过多样化指令任务让模型从不同角度理解知识
这种结构化设计使模型能从"数据记忆"上升到"知识内化"——理解知识的内在逻辑和关联，而非简单背诵。
与 RAG 的区别
RAG 在推理时检索外部知识；知识树在训练时构建结构化知识，让模型真正学会"理解"而非"查找"。