大模型时代知识工程的新边界｜赵培龙-AiDD深圳站2026

议题提交

确定性与泛化之间：大模型时代的知识工程新边界

2026.11.20 · 深圳湾万丽酒店

演讲嘉宾：赵培龙 · 杭州智萃引擎 CTO

时长 60分钟

所属论坛：本体论与知识工程

赵培龙

杭州智萃引擎 CTO

内容简介：

传统知识工程通过将专家经验转化为明确的概念、规则和约束，使机器能够稳定地处理专业问题。但真实业务场景复杂多变，知识越具体，执行越确定，构建与维护成本也越高；知识越抽象，覆盖范围越广，却越难直接支撑机器决策。大模型的出现改变了这一矛盾的基础：机器开始具备基于通识知识和上下文处理新问题的能力，却也带来了推理边界不清、结果难以稳定控制的问题。
这带来一个新的知识工程问题：当大模型本身已经具备推理能力，我们还需要把专家知识描述到多细？本次分享将结合专业业务实践，探讨如何让明确知识保障确定性，让高层知识约束模型对未知场景的推理，在知识的确定性与模型的泛化能力之间寻找新的平衡，并重新思考大模型时代本体与知识工程的角色。

演讲提纲：

1. 真实业务的矛盾：专业要求确定，但场景无法穷举
专业业务要求决策稳定、可控，但真实场景持续变化、组合复杂，不可能为每一种情况都预先定义具体处理方式。
2. 大模型带来的新解法与新矛盾：确定性 vs. 泛化
大模型能够利用先验知识处理未见场景，使“规则之外仍可推理”成为可能；但模型拥有的推理空间越大，专业可靠性与可控性就越难保证。
3. 从穷举具体知识到约束开放推理
明确场景由具体知识确定处理方式，未覆盖场景则利用更高层的专业知识约束模型推理，让确定性知识与模型泛化能力形成互补。
4. 知识该建多细，模型该推多远
结合专业业务实践，讨论知识具体程度、模型推理空间与可靠性之间的关系，以及大模型时代本体与知识工程的新边界。

听众收益：

1. 从“确定性要求与场景不可穷举”的矛盾出发，重新思考大模型时代知识工程的价值与边界。
2. 分享专业场景中确定性知识与大模型泛化能力协同的实践观察，以及仍待解决的关键问题

曾任华为系统架构师、蚂蚁集团知识图谱技术专家，长期从事系统架构、知识图谱、本体与大模型知识工程相关技术研发与实践。拥有十余项海内外发明专利，开源项目 OpenSPG / KAG Core Committer。近年来重点关注大模型与知识工程的融合，探索如何利用本体、领域知识与大模型推理能力，提升专业场景下智能系统的可靠性与泛化能力。