摘 要：大语言模型在多个垂直领域应用中展现出卓越性能，但其生成内容存在可解释性不足与幻觉问题，严 重制约实际部署，而知识图谱以结构化语义网络形式存储事实知识，为增强大语言模型的可控性与知识约束 提供了新路径。为此，文章系统梳理知识图谱与大语言模型融合的技术路线，从预训练、模型架构改造、微调 优化三阶段分析代表性方法，总结其提升模型可解释性与缓解幻觉的作用机制，并探讨多模态知识表示对齐、 动态知识更新滞后等核心挑战。分析表明，知识图谱的深度融合可显著提升大语言模型生成内容的事实一致 性，但未来需突破多模态知识对齐、轻量化增量式融合及复杂推理验证等技术瓶颈，推动大语言模型向知识语 言协同驱动范式演进，为构建可信、可解释的智能系统提供理论支撑与技术方向。

关键词：大语言模型；知识图谱；可解释性；幻觉问题；知识语言协同