本期将分享近期全球知识图谱相关
行业动态、近期会议、书籍推荐
知识画家
前百度文心一言核心成员冯欣伟创办“知识画家”，利用AI构建生成式交互知识引擎，致力于将复杂知识转化为动态、可交互的多模态内容。该项目已获奇绩创坛投资，旨在通过个性化动画视频等形式，推动知识的高效传播与教育公平。团队聚焦实时生成与交互技术，探索未来知识获取新形态，助力用户像使用“记忆面包”一样轻松掌握知识。
https://t.hk.uy/bZK7
Netflix
Netflix推出名为“Upper”的元模型框架，旨在统一其海量内容工程系统中的领域模型定义。该框架基于RDF、SHACL等标准，构建了一个核心“概念层”，将公司内分散在不同业务（如内容制作、广告、游戏）中的实体、属性及关系进行标准化建模与验证。这一企业级知识图谱作为统一数据架构（UDA）的核心，实现了“一次建模，处处表示”，能自动将领域概念映射并生成GraphQL、Iceberg表等多种数据产品，极大提升了跨系统数据的一致性、自动化能力与互操作性。
https://t.hk.uy/bZK8
ABCM 2026
http://www.ccstr.org/ABCM.html
Mem0
本周推荐的是arxiv 2025.4上的论文：Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory
引言
大型语言模型（LLM）在生成连贯响应方面展现出卓越能力，但它们面临一个根本限制：固定的上下文窗口，这阻碍了它们维持长期对话连贯性。当对话超出这些窗口时，LLM会有效地“忘记”之前的交互，导致响应不一致和问题重复。本文介绍了Mem0，一种旨在通过为AI智能体提供可扩展的长期记忆能力来解决这一挑战的记忆架构。
图1：无记忆AI智能体（左）和有记忆AI智能体（右）的比较。无记忆智能体忘记了用户的饮食偏好并推荐了不合适的食物，而启用记忆的智能体则在不同会话中保持了一致性。
Mem0架构
Mem0实现了一个两阶段记忆管道，旨在高效提取和管理显著的对话信息：
图2：Mem0架构，左侧为提取阶段处理新消息，右侧为更新阶段通过基于LLM的工具调用管理记忆操作。
提取阶段：系统处理新的消息对以及对话摘要和最近的消息（实验中m=10），使用LLM（GPT-4o-mini）提取显著记忆。
更新阶段：使用语义相似性搜索（前s=10个相似记忆）评估提取出的候选事实与现有记忆。LLM通过工具调用机制确定适当的记忆操作：
添加（ADD）：用于语义上独立的新记忆
更新（UPDATE）：用于补充现有记忆中的信息
删除（DELETE）：用于移除矛盾的记忆
无操作（NOOP）：当不需要修改时
论文、讨论和资源链接：https://www.alphaxiv.org/abs/2504.19413，感兴趣的读者可以关注。
更多链接
内容：袁知秋、程湘婷、王图图
诚邀您加入我们的gStore社区，我们将在群内解决使用问题，分享最新成果~
请在微信公众号图谱学苑发送“社区”入群~
微信社区群：请回复“社区”获取
