Investigación paramejor IA.

    Investigamos cómo la IA puede trabajar directamente con el conocimiento, razonar a través de la lógica y devolver respuestas que puedan verificarse.

    Temas

    Investigación destacada

    Papel preimpresoBilAI
    2026

    Agentic SPARQL: Evaluación de agentes inteligentes impulsados por SPARQL-MCP en el punto de referencia federado KGQA

    Daniel Dobriy, Frederik Bauer et al.

    Capítulo de libroPublicado
    2026

    Innovaciones futuras en la combinación de grandes modelos de lenguaje y grafos de conocimiento

    Daniel Dobriy

    Documento de conferenciaAceptado/En prensa
    2026

    Localización por capas y clasificación de alucinaciones en grandes modelos de lenguaje

    Naveen Lamba, Sanju Tiwari et al.

    Publicaciones

    2026
    Documento de conferenciaAceptado/En prensa

    IA agéntica, ingeniería de contexto y grafos de conocimiento: enfoques, desafíos y oportunidades actuales

    Niraj Karki, Manjila Pandey, Sanju Tiwari, Nandana Mihindukulasooriya, Sven Groppe, Daniel Dobriy

    Con los avances recientes en modelos de lenguaje grande (LLM) y IA agéntica, la ingeniería de contexto (CE) se ha convertido en un área de investigación novedosa. CE tiene como objetivo completar las solicitudes de los agentes de LLM con el conocimiento contextual relevante necesario para realizar tareas complejas, donde la calidad de este contexto es primordial para la confiabilidad. Los grafos de conocimiento (KG) ofrecen un enfoque prometedor para integrar diversos conocimientos contextuales basados ​​en enfoques de web semántica y representación del conocimiento. En este artículo, estudiamos los enfoques actuales para identificar desafíos y oportunidades para utilizar KG en EC y explorar sus limitaciones y direcciones estratégicas de investigación futura. Los hallazgos ilustran inconsistencias en las metodologías y una comprensión limitada de los desafíos de escalabilidad y garantía de calidad, que ralentizan el desarrollo de sistemas de IA robustos y conscientes del contexto capaces de abordar la complejidad del mundo real y tareas de razonamiento multidominio

    Documento de conferencia/Ingeniería de Contexto/Grafos de conocimiento/Modelos de lenguaje grandes/Ontología/Representación del conocimiento/Calidad
    Documento abierto
    2026
    Papel preimpresoBilAI

    Agentic SPARQL: Evaluación de agentes inteligentes impulsados por SPARQL-MCP en el punto de referencia federado KGQA

    Daniel Dobriy, Frederik Bauer, Amr Azzam, Debayan Banerjee, Axel Polleres

    DOI: 10.57938/83c86964-2d48-46f1-b655-5bef78c1a837

    Los protocolos estándar como el Protocolo de contexto modelo (MCP) que permiten a los LLM conectarse a herramientas han impulsado recientemente las aplicaciones de IA "agentes", que, impulsadas por las capacidades de planificación de los LLM, prometen resolver tareas complejas con el acceso a herramientas y fuentes de datos externas. En este contexto, los puntos de acceso SPARQL disponibles públicamente ofrecen una conexión natural para combinar varias fuentes de datos a través de MCP al (a) implementar un protocolo estandarizado y un lenguaje de consulta, (b) formatos de metadatos estandarizados y (c) la capacidad nativa para federar consultas. En el presente artículo, exploramos el potencial de los agentes inteligentes basados ​​en SPARQL-MCP para facilitar las consultas SPARQL federadas: en primer lugar, analizamos cómo ampliar un punto de referencia existente de respuesta a preguntas de grafo de conocimiento hacia una respuesta de preguntas de grafo de conocimiento federada agente (FKGQA). en segundo lugar, implementamos y evaluamos la capacidad de integrar la federación SPARQL con agentes LLM a través de MCP (incluido el descubrimiento de puntos de acceso/selección de fuentes, exploración de esquemas y formulación de consultas), comparando diferentes opciones arquitectónicas con el punto de referencia extendido. Nuestro trabajo complementa y amplía el trabajo previo sobre la federación automatizada de consultas SPARQL hacia combinaciones fructíferas con IA agéntica

    Inteligencia artificial/Ingeniería del conocimiento/Ingeniería web/Tecnologías semánticas/Working Papers on Information Systems, Information Business and Operations
    Documento abierto PDF
    2026
    Capítulo de libroPublicado

    Innovaciones futuras en la combinación de grandes modelos de lenguaje y grafos de conocimiento

    Daniel Dobriy

    Este capítulo examina cómo se pueden integrar grandes modelos de lenguaje y grafos de conocimiento para respaldar la base objetiva, el razonamiento rastreable y el conocimiento persistente y actualizable. Desarrolla una taxonomía que cubre la recuperación y generación basada en gráficos, la construcción, el acceso y el mantenimiento de KG y las arquitecturas adaptativas híbridas. Revisa los recursos de evaluación, enfatizando la necesidad de evaluar por separado el acceso a los gráficos, la recuperación de evidencia, la actualización, la procedencia, la incertidumbre, la estabilidad de la memoria y el costo computacional. Se presta especial atención a la memoria de agentes basada en gráficos, donde los KG respaldan el conocimiento persistente, el modelado mundial, la inferencia, la coordinación de herramientas y agentes, y la gobernanza de afirmaciones compartidas. Un ejemplo práctico de un analista de literatura científica ilustra estas capacidades y sus requisitos operativos. El capítulo identifica desafíos clave en el control de versiones de gráficos, la validación lógica en tiempo de ejecución, el acceso a gráficos ejecutables, el descubrimiento de fuentes y la interoperabilidad de metadatos. Describe tres direcciones futuras: motores de búsqueda de datos que combinan la interacción del lenguaje natural con consultas federadas a través de la Web de datos descentralizada, una capa semántica común que conecta diversos sistemas de organización del conocimiento y modelos generativos que operan directamente sobre representaciones semánticas independientes del lenguaje. Sostiene que el valor de la integración depende de los requisitos de la tarea y de mantener una memoria gráfica que sea precisa, auditable, reversible y gobernable en el tiempo

    Capítulo de libro/Grafos de conocimiento/Modelos de lenguaje grandes/IA neurosimbólica/IA agente/Memoria de agente basada en Graph/GraphRAG/Semantic Web
    Documento abierto
    2026
    Documento de conferenciaAceptado/En prensa

    Localización por capas y clasificación de alucinaciones en grandes modelos de lenguaje

    Naveen Lamba, Sanju Tiwari, Manas Gaur, Daniel Dobriy

    LLM/IA/Alucinaciones/Explicabilidad
    Documento abierto
    2026
    Documento de conferenciaPublicado

    Sobre las raíces históricas de la IA agéntica en los servicios web semánticos

    Axel Polleres, Frederik Bauer, Daniil Dobriy, Tobias Käfer, Lukas Kubelka, Andreas Harth, Thomas Wehr

    DOI: 10.1145/3774905.3795076

    Documento de conferencia/WWW Companion '26: Companion Proceedings of the ACM Web Conference 2026 : Dubai
    Documento abierto PDF
    2025
    Papel de diarioPublicado

    ¿Ser abierto o competitivo? Explorando las diferencias en la adopción del intercambio de datos (abiertos) en el transporte público ferroviario europeo

    Shahrom Sohi, Sri Harikrishnan, Amin Anjomshoaa, Axel Polleres

    DOI: 10.1016/j.trip.2025.101698

    Los datos abiertos dan forma a las interacciones entre gobiernos, empresas y el público. En el sector ferroviario europeo, el impulso hacia la liberalización, la sostenibilidad ambiental y un Espacio Ferroviario Europeo Único (SERA) ha intensificado las demandas de datos de transporte público abiertos e interoperables. Sin embargo, las organizaciones ferroviarias se enfrentan a un doble desafío: cumplir su función de servicio público al contribuir al ecosistema de datos abiertos del transporte y la movilidad y, al mismo tiempo, salvaguardar la información sensible y competitiva de la organización. Este artículo investiga cómo las organizaciones ferroviarias nacionales de la Unión Europea y la Asociación Europea de Libre Comercio (AELC) participan en iniciativas de datos abiertos, centrándose en tres canales: portales de datos abiertos ferroviarios (ROP), portales gubernamentales de datos abiertos (GOP) y puntos de acceso nacionales (NAP). A través de un enfoque de recopilación de datos estructurados y etiquetado manual, este estudio cataloga 1097 conjuntos de datos abiertos entre operadores ferroviarios y administradores de infraestructura nacionales, clasificándolos por tipo de portal, país, enfoque temático y calidad según el modelo de datos abiertos de 5 estrellas. Los resultados revelan un panorama fragmentado de datos abiertos en el ferrocarril europeo, caracterizado por disparidades en el volumen de conjuntos de datos, el enfoque temático y los estándares de apertura. Los datos operativos lideran publicaciones como horarios, horarios y rutas, pero persisten lagunas importantes en áreas como la experiencia del cliente, la infraestructura específica y los datos de la organización. Los operadores ferroviarios prefieren los ROP y los GOP a los NAP de los portales de movilidad obligatorios de la UE para publicar datos abiertos, lo que genera interés sobre la coherencia y el cumplimiento de los marcos legislativos europeos. Más allá de la apertura, la disponibilidad desigual de datos abiertos ferroviarios en toda la Unión plantea cuestiones de equidad digital. Dado que el acceso desigual a la información sobre transporte corre el riesgo de reforzar las disparidades de información entre los residentes de la UE y la AELC, lo que resulta en un llamado a la acción para políticas armonizadas de datos abiertos y controles de calidad más estrictos a nivel europeo

    Papel de diario/Transportation Research Interdisciplinary Perspectives
    Documento abierto PDF