突破瓶颈，百度 EICopilot AI 提升企业知识图谱利用率
1 月 31 日消息，百度于 2025 年 1 月 23 日公布最新研究成果 EICopilot，利用大型语言模型（LLM）简化了从数据库中提取信息的流程，为企业知识图谱探索提供了高效解决方案。
项目背景
知识图谱近来在企业领域得到了广泛应用，涵盖法人、注册资本、股东信息等多维度数据。尽管图谱具有很高的实用性，但由于复杂的文本查询和手动探索限制，阻碍有效提取信息。
EICopilot 简介
EICopilot 由百度研究院开发，是一个基于 AI 智能体的解决方案，可简化存储在知识图谱数据库中的企业数据的搜索、探索和摘要，从而有效地获得有关企业的宝贵见解。
EICopilot 处理的数据集包含数亿节点、数百亿边（edges）、数千亿属性以及数百万子图，涵盖国家注册企业、组织和公司等信息。
研究人员收集真实企业相关查询，构建种子数据集，并使用 Gremlin 语言编写搜索脚本，通过系统标注和增强，形成向量数据库，提高搜索精度。
EICopilot 是一个基于 LLM 的聊天机器人，采用创新的数据预处理流程优化数据库查询，利用向量数据库实时生成搜索空间，实现高效的图谱检索和探索。
EICopilot 还具备强大的推理能力，采用思维链（CoT）和上下文学习（ICL）等技术，提供更精准的查询响应。
EICopilot 性能
研究人员使用百度内部数据平台的数据，构建了包含查询和图数据库查询对的数据集，根据查询的遍历长度，将查询分为简单、中等和复杂三类，并采用语法错误率（SyntaxErrorRate）和执行正确率（Execution Correctness）评估 EICopilot 的性能。
实证结果表明，EICopilot 的性能优于基线方法，尤其在速度和准确性方面。Full Mask 版本的 EICopilot 语法错误率低至 10.00%，执行正确率高达 82.14%。
附上参考地址
Baidu Research Introduces EICopilot: An Intelligent Agent-based Chatbot to Retrieve and Interpret Enterprise Information from Massive Graph Databases
EICopilot: Search and Explore Enterprise Information over Large-scale Knowledge Graphs with LLM-driven Agents
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，所有文章均包含本声明。
