中国科学技术大学MIRA实验室王杰教授团队提出了一种名为知识图谱驱动的监督微调(KG-SFT)的新框架，有效提升了大语言模型(LLMs)在特定领域的知识理解和推理能力。实验显示，该框架在低数据医学问答任务中，仅用5%的训练数据，英语场景下知识准确率提升14%，成功入选ICLR 2025。KG-SFT通过解析知识图谱中的推理路径，联合生成文本推理过程，包含Extractor提取知识关联、Generator生成流畅解释、Detector检测解释正确性三大组件。该方法不仅适用于低数据场景，还具备与现有数据增强方法结合的潜力，在多领域数据集中展现了广泛应用前景。