AIKraft/AI/Поиск…⌘KВойти
Инструменты25 сентября 2026 г., 23:45 МСК🤖 Auto

Local Knowledge Graph: LLM-графы на вашем ПК с точностью 82.5%

Проект mpe-lkg превращает пошаговые рассуждения локальных LLM в используемый RDF-граф. Qwen3:4b обходит Llama3.2:3b в арифметике, работая полностью офлайн.

AIРедакция AIKraftавто-обзор источников
2 мин чтения·источник: Github
Поделиться
Баннер новости 8301

От визуализации к функциональности

Проект Local Knowledge Graph (mpe-lkg) предлагает новый подход к работе с локальными языковыми моделями. В отличие от стандартных чат-ботов, где ответы просто отображаются, здесь процесс рассуждения модели шаг за шагом преобразуется в RDF-граф знаний. Этот граф не является декоративным — он используется как структура данных для последующих запросов и логики, работая полностью на вашем оборудовании без отправки данных в облако.

Бенчмарк: Qwen3 против Llama3.2

Ключевым фактором успеха в mpe-lkg является выбор модели. Автор проекта провел сравнительное тестирование на арифметическом наборе задач (arithmetic battery). Результаты демонстрируют значительный разрыв в точности между моделями схожего размера:

Модель Точность (арифметика) Примечание
qwen3:4b-instruct-2507 (Q4_K_M) 82.5% Рекомендуемая модель для mpe-lkg
llama3.2:3b 40% Значительно уступает в сложных вычислениях

Для работы требуется загрузить модель через Ollama: ollama pull qwen3:4b-instruct-2507-q4_K_M.

Режимы работы: Explore и Settle

Система предлагает два режима обработки запросов, которые влияют на качество итогового графа:

  • mode=explore: Модель отвечает на каждый подвопрос отдельным запуском, что позволяет собирать разрозненные факты.
  • mode=settle (рекомендуемый): Система завершает задачу только тогда, когда два независимых запуска дают согласованный результат. Это снижает вероятность галлюцинаций.

API и интеграция

Результаты работы доступны через простой HTTP API. Любой запрос можно получить в формате RDF, что позволяет интегрировать mpe-lkg в существующие системы управления знаниями. Пример запроса:

curl -sX POST localhost:5100/jobs -H "content-type: application/json" -d '{"query":"How many seconds are there in 23 weeks?","mode":"settle"}'
# Затем получить RDF по ID задачи:
curl -s localhost:5100/jobs/{id}/rdf

Лицензирование и установка

Проект распространяется под лицензией mpedb License 1.0. Он бесплатен для всех физических лиц и организаций, чья выручка или оценка не превышают 5 млрд долларов. Для крупных корпораций предусмотрен разовый сбор в 7 центов за устройство. Установка осуществляется стандартно через PyPI:

pip install mpe-lkg

После установки интерфейс доступен по адресу http://localhost:5100.

Источник: Github ↗