知識グラフ質問応答、視覚プロンプトが精度向上
arXivは2026年11月6日(現地時間)、大規模ビジョン言語モデル(VLM)を用いた知識グラフ質問応答(KGQA)において、多モーダル入力が性能に与える影響について調査した研究結果を発表した。本研究では、テキストのみのプロンプトとグラフ可視化を追加した多モーダルプロンプトを比較し、グラフ画像を付加したプロンプトが平均1.85 F1ポイントの性能向上をもたらすことを確認した。特に、低複雑度の質問では4.65 F1ポイントの大幅な精度改善が見られたと報告している。