はじめに 知識グラフ groundingとは、外部知識グラフの情報を根拠として小規模言語モデルの推論を支援する手法である。モデルが内部に保持する知識だけでは検証が難しい事実や結論の整合性を、グラフ上の関係性とエビデンスとして参照可能にする点が特徴だ。例えば、エンティティ同士の結びつき、階層構造、時系列的な関係性を推論過程に組み込むことで、出力の信頼性と解釈性を高め、根拠を可視化しやすくする。 本論文の目的は、小規模LMの推論信頼性と解釈性を高めるための、知識グラフ grounding 推論の設計と評価を示すことである。提案手法の全体像、実験設計、実務的応用、関連研究との位置づけを整理し、現場での活用に向けた指針を提示する。 本稿では、以下の三点を軸に展開する。第一に、外部グラフから関連ノードを検索・抽出し、LMに根拠を提供して推論を導くアーキテクチャの要点。第二に、推論の正確性と根拠の整合性を評価する実験設計と評価指標。第三に、実務での適用に向けたデータ連携や運用上の留意点を整理する。 背景と課題 小規模言語モデルは、データ量や計算資源の制約のため、推論の正確さ・一貫性・解