多模态知识图谱与大语言模型推理
多模态知识图谱与大语言模型的结合是当下通用人工智能领域研究的重点，一方面，多模态知识图谱包含了大量富语义的结构化知识，可以为大语言模型提供准确可靠的背景知识用于增强文本生成质量、减少大语言模型的幻觉；另一方面，大语言模型凭借其强大的文本理解和生成能力，可以完成多模态知识图谱的推理和补全等任务。多模态知识图谱和大语言模型二者相辅相成，与之相关的研究将是未来的热门方向。
本课题会带领同学们，探索多模态知识图谱的定义、推理以及在各种下游场景中的应用，同时还会讲解大语言模型相关的基础知识以及结合大语言模型的知识图谱推理与下游应用。
课程中我们边学边做边写，在学习理论知识的同时配备代码讲解和实战演练。同学们通过学习本课程将会有以下收获：
(1) 多模态知识图谱与大语言模型相关知识
(2) 冲击顶会/SCI期刊的研究方向和建议
(3) 细致的idea和baseline代码框架指导
(4) 实验设计和论文写作指导