速報
HEAR：基於分層超圖本體的企業推理代理
大型語言模型在異質企業系統上易出現幻覺且難以完成多跳n元推理。HEAR以分層超圖本體建構，圖層管理有溯源的資料介面，超邊層編碼n元商業規則與程序。透過證據驅動的推理迴圈，HEAR無需重新訓練模型即能協調本體工具並達到高準確度。在供應鏈評測顯示最高94.7%準確度，且能降低代幣成本。
速報
大型語言模型在異質企業系統上易出現幻覺且難以完成多跳n元推理。HEAR以分層超圖本體建構，圖層管理有溯源的資料介面，超邊層編碼n元商業規則與程序。透過證據驅動的推理迴圈，HEAR無需重新訓練模型即能協調本體工具並達到高準確度。在供應鏈評測顯示最高94.7%準確度，且能降低代幣成本。
速報
面對企業系統中大型語言模型的幻覺與多跳、n元推理失誤，HEAR提出分層超圖本體與證據驅動推理循環。其圖層管理來源並保存溯源，超邊層則以n元規則與程序化流程編碼商務邏輯。評估供應鏈問題時，HEAR在根因分析上最高達到94.7%準確率，並兼顧成本與審計可追溯性。