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)。
- 纯符号QA系统(推理阶段无神经网络)
- 运行时纯CPU(无需GPU)
- 从自然语言文档自动构建知识图谱
- 开发过程完全由量化开放权重LLM监督
- 设计上原生符合GDPR/AI法案(内在可解释性)
- 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:
- Cheng等(2025),"Neural-symbolic methods for knowledge graph reasoning"(ACM TKDD)——区分KG补全、复杂查询回答和逻辑规则学习方法,指出纯符号方法在可解释性方面的潜力。
- Niu等(2026),"A Comprehensive Survey of Knowledge Graph Reasoning"(IEEE Trans. Big Data)——涵盖KG上的多跳推理,包括归纳逻辑编程(ILP)方法。
- Linders与Tomczak(2025),"Knowledge graph-extended RAG for QA"(Applied Intelligence)——证明KG能够实现符号推理和可验证的答案。
- Chudasama等(2025),"Toward interpretable hybrid AI"(IEEE Access)——提出TrustKG,将符号可解释性与KG结合。
- Agarwal与Bedathur(2025),"A Zero-Shot Neuro-Symbolic Approach for Complex KGQA"(EMNLP Findings 2025)。
- Liu等(2025),"SymAgent"(TheWebConf 2025)——用于KGQA的自学习符号智能体。
知识图谱自动构建
- Zavarella(2026),"Methods for KG Construction from Text Collections"(arXiv)——结合NLP、ML和语义网的框架。
- Salman等(2024),"Doc-KG"(Expert Systems)——从非结构化文档构建KG。
- Chen等(2025),"Open Local Knowledge Graph Construction from Academic Papers Using Generative LLMs"(TheWebConf 2025)。
CPU效率与轻量级方法
- Sidhu等(2025),"Neurosymbolic AI for Enhanced Reasoning in Small Language Models"(IEEE)。
- Corradini等(2025),"State of the art and future directions of small language models"(Big Data and Cognitive Computing)。
- Chaudhary等(2025)确认"spaCy提供轻量级、高精度的抽取,可在标准CPU上高效运行"。
- Okechukwu等(2025)确认"spaCy和NLTK在标准CPU上高效运行"。
AI的生态影响
- Kim与Yoo(2026),"Toward Sustainable AI"(IEEE Access)——AI数据中心的碳排放在2024至2025年间增长了三倍。
- Hasan等(2025),"Carbon emission quantification of ML"(IEEE Trans.)。
- Tunzina等(2026),"GreenAI: Environmental Efficiency in LLM-Generated Code"(IEEE Access)。
GDPR与AI法案合规
- Wagner等(2025),"A Critical Look at the EU AI Act's Requirements"(IEEE RE)。
- Juliussen(2025),"The Right to an Explanation Under the GDPR and the AI Act"(Springer)。
- Goncalves与Correia(2026),"XAI-Compliance-by-Design"(MDPI)。
- Sovrano等(2025),"Legal XAI: Systematic Review"(ResearchGate)。
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
- 在公认的KGQA基准测试上取得有竞争力的性能。
- 测量并比较能耗(CPU vs GPU),以证明生态效益。
- 展示系统内在的可解释性(每个答案的可追溯性)。
- 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) |
|---|---|---|
| CPU | Intel Core i9(最大) | Intel Core i9(最大) |
| GPU | NVIDIA RTX 3090(24 GB显存) | 无(严格纯CPU) |
| 内存 | 32 GB(最大) | 32 GB(足够) |
| 存储 | NVMe SSD | NVMe 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
- 沙盒:在隔离环境中开发,确保安全和可复现性。
- 目标操作系统:Linux(主要目标),期望Windows/macOS可移植。
- 编程语言:自由选择,但依赖项须符合许可证约束(第6节)。
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:
- 不被视为OSI意义上的开源(对使用有伦理约束)。
- 是一种Copyleft许可证(第8.3节)。
- 基于基本人权(《世界人权宣言》、ICESCR、ICCPR、ILO)施加伦理标准。
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
- HL3-ECO(生态灭绝)——与减少生态影响的目标一致。
- HL3-MEDIA——禁止用于推广暴力。
- HL3-SV(大规模监控)——与主权和隐私保护一致。
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。 |
8. 生态影响
8.1. 问题
- GPT-3的训练消耗了约1,287 MWh,即约552吨CO₂。
- AI数据中心的碳排放在2024至2025年间增长了三倍(Awab,2026)。
- 一次LLM查询消耗的能量约为标准网页搜索的10倍(Kim与Yoo,2026)。
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:
- KG构建的能耗(kWh)。
- 每次QA查询的能耗。
- 对应的CO₂足迹。
- 与GPU基线系统的比较。
9. 可复现性
- 完整源代码:以HL3许可证发布在公共代码库。
- 安装说明:自动化脚本或容器化。
- 测试数据:仅使用公共基准测试。
- 随机种子:对所有随机组件固定并记录。
- 依赖版本:锁定的依赖文件。
- 容器化:完整系统必须可复现地执行。
- 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
- RAG + LLM(GPU):GPU上的神经基线。
- KG-RAG(GPU):KG + LLM混合基线。
- 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
- QA系统在推理阶段完全在CPU上运行,不使用GPU。
- KG从自然语言文档自动构建。
- 性能在≥2个公认公共基准测试上进行测量。
- 100%的答案附有解释追踪。
- 能耗经过测量并与GPU基线进行比较。
- 代码以Hippocratic 3.0许可证发布,依赖项兼容。
- 系统可通过Docker在指定硬件上复现。
- 开发完全由开放权重LLM在沙盒中完成。
15. 参考文献
- Agarwal, P. & Bedathur, S. (2025). A Zero-Shot Neuro-Symbolic Approach for Complex Knowledge Graph Question Answering. EMNLP 2025 Findings.
- Ansar, W., Goswami, S. & Chakrabarti, A. (2024). From Transformers to LLMs: A Systematic Survey of Efficiency Considerations in NLP. arXiv:2406.16893.
- Awab, S. (2026). AI's Resource Gluttony and Sustainable Development. SSRN 6301563.
- Boshnjakovski, V. (2025). Balancing Compliance and Innovation: Addressing Explainability in AI Systems under the EU AI Act. MBA Thesis.
- Chaudhary, V. et al. (2025). Fusing Knowledge and Language: A Comparative Study of KG-Based QA with LLMs. arXiv:2509.09272.
- Chen, H. et al. (2025). Open Local Knowledge Graph Construction from Academic Papers Using Generative LLMs. TheWebConf 2025.
- Cheng, K. et al. (2025). Neural-symbolic methods for knowledge graph reasoning: A survey. ACM Trans. Knowl. Discov. Data.
- Chudasama, Y. et al. (2025). Toward interpretable hybrid AI: integrating knowledge graphs and symbolic reasoning. IEEE Access.
- Corradini, F. et al. (2025). State of the art and future directions of small language models. Big Data and Cognitive Computing.
- 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.
- Hasan, S.M. et al. (2025). Carbon emission quantification of ML: A review. IEEE Trans. Sustainable Computing.
- Juliussen, B.A. (2025). The Right to an Explanation Under the GDPR and the AI Act. Springer, Int. Conf. Multimedia Modeling.
- Kim, M.K. & Yoo, T.A. (2026). Toward Sustainable AI: A Scoping Review of Carbon Footprint. IEEE Access.
- Linders, J. & Tomczak, J.M. (2025). Knowledge graph-extended RAG for QA. Applied Intelligence.
- Liu, B. et al. (2025). SymAgent: A neural-symbolic self-learning agent framework for complex reasoning over KGs. TheWebConf 2025.
- Ma, C. et al. (2025). Large language models meet knowledge graphs for question answering. EMNLP 2025.
- Niu, G. et al. (2026). A Comprehensive Survey of Knowledge Graph Reasoning. IEEE Trans. Big Data.
- Perevalov, A. et al. (2024). Multilingual question answering systems for knowledge graphs — a survey. Semantic Web.
- Salman, M. et al. (2024). Doc-KG: Unstructured documents to KG construction. Expert Systems.
- Schwartz, R. et al. (2020). Green AI. Communications of the ACM, 63(12), 54-63.
- Sidhu, M.K. et al. (2025). Neurosymbolic AI for Enhanced Reasoning in Small Language Models. IEEE.
- Sovrano, F. et al. (2025). Legal XAI: Systematic Review and Interdisciplinary Mapping of XAI and EU Law. ResearchGate.
- Tunzina, T. et al. (2026). GreenAI: Environmental Efficiency in LLM-Generated Code. IEEE Access.
- Wagner, M. et al. (2025). A Critical Look at the EU AI Act's Requirements — Who Must Explain What? IEEE Int. Requirements Eng. Conf.
- Zavarella, V. (2026). Methods for KG Construction from Text Collections. arXiv:2603.25862.