عربي БГ বাংলা ČS DA DE ΕΛ EN ES ET FI FR GA हिन्दी HR HU IT 日本語 LT LV MT NL PL PT RO РУ SK SL SV 中文

AI 挑战赛

设计一个纯CPU、完全符号化的问答系统,其知识图谱从自然语言文档中自动构建。

绿色AI • 纯CPU • 符号化 • 可解释

1. 挑战赛概要

本挑战赛旨在设计、实现和评估一个完全在CPU上运行的问答(QA)系统,基于纯符号架构(词汇表、语法、知识图谱、形式逻辑)。系统的全部开发由量化的开放权重LLM驱动,可在消费级硬件(i9 CPU, RTX 3090)上执行。

本项目属于绿色AI运动(Schwartz等,2020)和节俭AI范畴,反对追求越来越庞大的模型——其碳排放已变得令人担忧(Kim等,2026;Hasan等,2025)。本项目还回应了GDPR和欧盟AI法案对透明度、可解释性和法规合规性日益增长的要求(Wagner等,2025;Juliussen,2025)。

创新性:目前没有任何现有工作同时满足以下约束:
  1. 纯符号QA系统(推理阶段无神经网络)
  2. 运行时纯CPU(无需GPU)
  3. 从自然语言文档自动构建知识图谱
  4. 开发过程完全由量化开放权重LLM监督
  5. 设计上原生符合GDPR/AI法案(内在可解释性)
  6. 伦理许可证(Hippocratic 3.0)

2. 背景与科学定位

2.1. 问题陈述

当前的QA系统严重依赖LLM(GPT、LLaMA等),推理需要昂贵的GPU,并存在幻觉、可复现性、可解释性和数据主权问题。它们像黑箱一样运行,难以符合欧盟AI法案(第13条)关于高风险系统透明度的要求(Wagner, 2025;Boshnjakovski, 2025)。

2.2. 研究现状

神经符号方法与KG-QA

近期文献趋向于整合知识图谱(KG)和符号推理,以弥补纯神经方法的不足:

知识图谱自动构建

CPU效率与轻量级方法

AI的生态影响

GDPR与AI法案合规

3. 目标

主要目标

论证一个纯CPU、完全符号化QA系统的可行性并评估其性能,该系统的知识图谱从自然语言文档中自动构建。

次要目标

  1. 在公认的KGQA基准测试上取得有竞争力的性能。
  2. 测量并比较能耗(CPU vs GPU),以证明生态效益。
  3. 展示系统内在的可解释性(每个答案的可追溯性)。
  4. 提供可复现、有文档记录且采用伦理许可证的软件。

4. 架构与技术规格

4.1. 总体架构

系统分为两个不同的阶段:

阶段1 — 知识图谱构建 (离线,允许使用GPU)

自然语言文档 → 预处理 → 命名实体识别 → 关系抽取 → 共指消解
    → 知识图谱构建(RDF/OWL三元组)→ 图存储

阶段2 — 问答 (运行时,严格纯CPU)

自然语言问题 → 句法/语义分析 → 转换为形式化查询
    → 知识图谱遍历 → 逻辑推理 → 答案生成
    → 解释追踪

4.2. 硬件规格

组件阶段1(KG构建)阶段2(QA运行时)
CPUIntel Core i9(最大)Intel Core i9(最大)
GPUNVIDIA RTX 3090(24 GB显存)无(严格纯CPU)
内存32 GB(最大)32 GB(足够)
存储NVMe SSDNVMe SSD

理由:阶段1可以使用GPU来运行监督流水线构建的量化开放权重LLM。阶段2作为可部署系统,必须严格纯CPU,以保证可访问性、主权和节俭。

4.3. 开发环境

4.4. LLM监督

系统开发完全由一个或多个开放权重LLM驱动,可在指定硬件(阶段1)上本地执行。模型选择、量化方式和推理框架由参与者决定。

5. 建议的流水线架构

以下分解仅供参考。参与者可以自由提出不同的架构,但须满足功能约束(第3、4和12节)和许可证要求(第6节)。

5.1. 文本预处理

  • 句子分割
  • 分词
  • 词形还原
  • 词性标注
  • 依存句法分析

5.2. 命名实体识别(NER)

  • 实体检测(人物、地点、组织、日期、概念)
  • 根据领域本体进行实体类型标注
  • 共指消解

5.3. 关系抽取(RE)

  • 从文本中抽取三元组(主语、谓语、宾语)
  • 开放式抽取或模式引导抽取

5.4. 知识图谱构建

  • 实体归一化与合并(实体链接)
  • 图构建与存储(三元组)
  • 通过隐式关系推理进行丰富
  • 图验证与清洗

5.5. 问题理解

  • 自然语言问题的句法分析
  • 问题类型识别(谁、什么、哪里、何时…)
  • 提及的实体和关系的抽取
  • 转换为图上的形式化查询

5.6. 推理与答案搜索

  • 知识图谱遍历(多跳推理)
  • 逻辑推理和候选答案排序

5.7. 答案生成与解释

  • 以自然语言生成答案
  • 完整解释追踪:KG中的路径、应用的规则、涉及的实体和关系、置信度/完整度

6. 许可证约束

6.1. Hippocratic License 3.0 (HL3)

最终软件将以Hippocratic License 3.0(firstdonoharm.dev)发布。该许可证:

6.2. 依赖项兼容性

许可证HL3兼容示例
MIT✅ 是—
BSD(2/3条款)✅ 是—
Apache 2.0✅ 是—
ISC / CC0✅ 是—
GPL v2/v3⚠️ 可能不兼容—
AGPL❌ 很可能不兼容—

6.3. 推荐的HL3可选模块

7. 法规合规

7.1. GDPR

GDPR原则实施方式
数据最小化(第5.1.c条)KG仅存储提取的相关三元组,不存储原始个人数据。
解释权(第22条+序言71)每个答案均有完整的解释追踪。
删除权(第17条)可以从KG中删除实体/三元组。
隐私设计(第25条)除非有文件记录的必要性,KG中不存储敏感数据。
无自动化分析(第22条)系统不会对个人做出自动化决策。

7.2. 欧盟AI法案

AI法案要求合规性
透明度(第13条)内在可解释的符号架构——每个推理步骤都可追溯。
可解释性(第13.1条)完整追踪:问题→形式化查询→KG路径→答案。
技术文档(第11条)完全可文档化的符号流水线(语法、规则、本体)。
鲁棒性与准确性(第15条)无幻觉——答案完全来自KG。
人类监督(第14条)KG可由人类查看和修改。
风险管理(第9条)低风险:无不透明模型,无涌现偏差。
关键论点:纯符号系统天然符合AI法案的透明度和可解释性要求,而基于LLM的系统则需要额外的XAI层(Goncalves与Correia,2026;Wagner等,2025)。

8. 生态影响

8.1. 问题

8.2. 纯CPU符号方法的优势

指标LLM系统(GPU)AI挑战赛(纯CPU)预估增益
瞬时功率300-400 W(GPU)65-125 W(CPU)~3-5×
每次查询延迟0.5-5 s< 100 ms(目标)~5-50×
每次查询能耗~0.001-0.01 kWh~0.000001-0.00001 kWh~100-1000×
所需硬件GPU ≥ 6000 €消费级CPU < 500 €~12×

8.3. 强制测量

项目必须测量并报告:

9. 可复现性

  1. 完整源代码:以HL3许可证发布在公共代码库。
  2. 安装说明:自动化脚本或容器化。
  3. 测试数据:仅使用公共基准测试。
  4. 随机种子:对所有随机组件固定并记录。
  5. 依赖版本:锁定的依赖文件。
  6. 容器化:完整系统必须可复现地执行。
  7. 记录的最低硬件:明确的最低规格。

所需最高硬件(i9 + RTX 3090)广泛可获取。阶段2(QA运行时)无需GPU,可在普通笔记本电脑上运行。

10. 数字主权、安全与隐私

数字主权

  • 不依赖云——完全本地运行。
  • 不调用外部API——数据不离开本机。
  • 开放权重LLM可下载并在本地执行。
  • 无供应商锁定。

安全

  • 沙盒执行(隔离环境)。
  • 无任意代码执行。
  • 无提示注入(推理阶段无LLM)。
  • 通过形式化语法进行输入验证。

隐私

  • 完全本地处理——文档绝不离开本机。
  • 无遥测。
  • KG可按需删除。
  • 可按用户或按领域创建独立的KG实例。

11. 基准测试与评估

11.1. 公认的KGQA基准测试

系统必须在以下基准测试中的至少两个上进行评估:

基准测试描述规模参考
SimpleQuestions基于Freebase的简单事实问题约10万个问题ACL
WebQuestionsSP带SPARQL标注的网络问题约4,737个问题ACL
LC-QuAD 2.0基于DBpedia/Wikidata的复杂问题约3万个问题ISWC
ComplexWebQuestions基于Freebase的多跳问题约3.4万个问题NAACL
QALD多语言挑战,小规模约400-500个问题CLEF/ESWC
MINTQA针对LLM+KG处理稀有实体的新基准可变EMNLP 2025
SQuAD 2.0段落上的抽取式QA约15万个问题ACL
Natural Questions真实的Google问题约30.7万个问题TACL
TriviaQA带支持文档的问答约9.5万个问题ACL

建议:优先使用LC-QuAD 2.0和QALD,辅以SQuAD或Natural Questions与神经方法进行比较。

11.2. 评估指标

类别指标描述
QA性能F1分数、精确匹配(EM)答案精度
QA性能Hits@1, Hits@5前k个中的正确率
QA性能MRR正确答案的平均排名
延迟平均/p95响应时间(ms)仅在CPU上测量
吞吐量每秒问题数吞吐量
生态kWh/查询,gCO₂/查询通过codecarbon/carbontracker
可解释性追溯率有完整追踪的答案百分比(目标:100%)
KG覆盖率三元组、实体、关系描述性统计

11.3. 比较基线

  1. RAG + LLM(GPU):GPU上的神经基线。
  2. KG-RAG(GPU):KG + LLM混合基线。
  3. 直接SPARQL:纯符号基线(在同一KG上的手动查询)。

12. 性能规格

标准目标理由
QA延迟< 100 ms(p95)可接受的用户交互性
KG构建< 1分钟/1000篇短文档实用性
QA内存占用< 4 GB RAM可在普通PC上运行
KG大小可扩展至1000万+三元组基准测试所需的充分覆盖
QA精度在简单基准测试上≥ 50% F1可解释性和节俭作为主要论点
追溯性100%的答案有解释符号方法的关键优势

13. 风险与缓解措施

风险概率影响缓解措施
QA性能不及LLM高中聚焦于可解释性/节俭
自动KG质量不足中高迭代规则,LLM监督
多跳问题的复杂性高中限制≤3跳,记录限制
依赖项许可证不兼容低高系统化许可证审计
开放权重LLM监督能力不足中中测试并组合多个模型
大规模KG覆盖率有限中中从QALD开始,再扩展

14. 成功标准

  1. QA系统在推理阶段完全在CPU上运行,不使用GPU。
  2. KG从自然语言文档自动构建。
  3. 性能在≥2个公认公共基准测试上进行测量。
  4. 100%的答案附有解释追踪。
  5. 能耗经过测量并与GPU基线进行比较。
  6. 代码以Hippocratic 3.0许可证发布,依赖项兼容。
  7. 系统可通过Docker在指定硬件上复现。
  8. 开发完全由开放权重LLM在沙盒中完成。

15. 参考文献

  1. Agarwal, P. & Bedathur, S. (2025). A Zero-Shot Neuro-Symbolic Approach for Complex Knowledge Graph Question Answering. EMNLP 2025 Findings.
  2. Ansar, W., Goswami, S. & Chakrabarti, A. (2024). From Transformers to LLMs: A Systematic Survey of Efficiency Considerations in NLP. arXiv:2406.16893.
  3. Awab, S. (2026). AI's Resource Gluttony and Sustainable Development. SSRN 6301563.
  4. Boshnjakovski, V. (2025). Balancing Compliance and Innovation: Addressing Explainability in AI Systems under the EU AI Act. MBA Thesis.
  5. Chaudhary, V. et al. (2025). Fusing Knowledge and Language: A Comparative Study of KG-Based QA with LLMs. arXiv:2509.09272.
  6. Chen, H. et al. (2025). Open Local Knowledge Graph Construction from Academic Papers Using Generative LLMs. TheWebConf 2025.
  7. Cheng, K. et al. (2025). Neural-symbolic methods for knowledge graph reasoning: A survey. ACM Trans. Knowl. Discov. Data.
  8. Chudasama, Y. et al. (2025). Toward interpretable hybrid AI: integrating knowledge graphs and symbolic reasoning. IEEE Access.
  9. Corradini, F. et al. (2025). State of the art and future directions of small language models. Big Data and Cognitive Computing.
  10. Goncalves, A. & Correia, A. (2026). XAI-Compliance-by-Design: A Modular Framework for GDPR- and AI Act-Aligned Decision Transparency. MDPI J. Cybersecurity and Privacy.
  11. Hasan, S.M. et al. (2025). Carbon emission quantification of ML: A review. IEEE Trans. Sustainable Computing.
  12. Juliussen, B.A. (2025). The Right to an Explanation Under the GDPR and the AI Act. Springer, Int. Conf. Multimedia Modeling.
  13. Kim, M.K. & Yoo, T.A. (2026). Toward Sustainable AI: A Scoping Review of Carbon Footprint. IEEE Access.
  14. Linders, J. & Tomczak, J.M. (2025). Knowledge graph-extended RAG for QA. Applied Intelligence.
  15. Liu, B. et al. (2025). SymAgent: A neural-symbolic self-learning agent framework for complex reasoning over KGs. TheWebConf 2025.
  16. Ma, C. et al. (2025). Large language models meet knowledge graphs for question answering. EMNLP 2025.
  17. Niu, G. et al. (2026). A Comprehensive Survey of Knowledge Graph Reasoning. IEEE Trans. Big Data.
  18. Perevalov, A. et al. (2024). Multilingual question answering systems for knowledge graphs — a survey. Semantic Web.
  19. Salman, M. et al. (2024). Doc-KG: Unstructured documents to KG construction. Expert Systems.
  20. Schwartz, R. et al. (2020). Green AI. Communications of the ACM, 63(12), 54-63.
  21. Sidhu, M.K. et al. (2025). Neurosymbolic AI for Enhanced Reasoning in Small Language Models. IEEE.
  22. Sovrano, F. et al. (2025). Legal XAI: Systematic Review and Interdisciplinary Mapping of XAI and EU Law. ResearchGate.
  23. Tunzina, T. et al. (2026). GreenAI: Environmental Efficiency in LLM-Generated Code. IEEE Access.
  24. Wagner, M. et al. (2025). A Critical Look at the EU AI Act's Requirements — Who Must Explain What? IEEE Int. Requirements Eng. Conf.
  25. Zavarella, V. (2026). Methods for KG Construction from Text Collections. arXiv:2603.25862.