SHARP: Neuer, trainingsfreier Agent verbessert Triple-Verification in Knowledge Graphs

Knowledge Graphs (KGs) bilden die Basis vieler KI-Anwendungen, doch ihre automatische Erstellung führt häufig zu fehlerhaften Daten. Traditionelle Methoden zur Triple‑Verifikation, die sich auf Graph‑Embeddings oder Sprachmodelle stützen, sind oft einseitig und können komplexe oder seltene Fakten nicht zuverlässig prüfen.

Um diese Schwächen zu überwinden, wurde SHARP – der Schema‑Hybrid Agent für Reliable Prediction – entwickelt. SHARP ist ein trainingsfreier, autonomer Agent, der die Verifikation von Tripeln als dynamischen Prozess versteht: strategische Planung, aktive Untersuchung und evidenzbasierte Argumentation. Durch die Kombination eines speicherunterstützten Mechanismus mit schema‑bewusster Planung wird die Stabilität des Denkens verbessert.

Ein zentrales Merkmal von SHARP ist der erweiterte ReAct‑Loop, der ein hybrides Toolset nutzt, um sowohl die interne KG‑Struktur als auch externe Textbelege gleichzeitig zu prüfen. In Experimenten mit den Datensätzen FB15K‑237 und Wikidata5M‑Ind übertraf SHARP die bisherigen Spitzenreiter um 4,2 % bzw. 12,9 % in der Genauigkeit. Darüber hinaus liefert der Agent transparente, faktenbasierte Beweisketten, die die Interpretierbarkeit und Robustheit bei komplexen Verifikationsaufgaben deutlich erhöhen.