2026年10月26日，题为《Knowledge Graphs Quality Assessment in the Era of LLMs: A Conceptual Framework》的研究论文在arXiv平台以新刊形式发布（编号2610.31684v1），聚焦大语言模型（LLM）日益依赖知识图谱（KG）提供准确、完整、可追溯答案的现实需求，系统探讨KG质量评估的理论基础与实践路径。
论文通过综述数据质量、信息质量、关联数据、知识图谱及KG与LLM交叉领域的质量评估文献，将现有前沿框架拓展为涵盖24个质量维度（QDs）和多种质量指标（QMs）的分类体系，并提出一个通用、可按领域或任务定制、具备实操性的KG质量评估框架。该框架旨在回应核心问题：KG质量如何界定？在何种场景下可被采用？能否作为LLM的可靠知识 grounding 基础？
需注意的是，该成果目前仅以arXiv预印本形式公开，尚未经过同行评议；文中提出的24维质量框架与具体指标细节未在摘要中展开，其有效性与适用性有待后续实证研究验证。论文发布于UTC时间2026-10-26T04:00:00，对应新加坡时区2026年10月26日，属当日最新学术动态。