創鄰科技×浙江大學聯合突破：全球首個圖模式感知Cypher生成模型登陸NeurIPS 2025

　　摘要：Cypher-RI框架通過強化學習驅動的結構感知推理，将自然語言到圖查詢的準确率提升至新高度，為企業級圖智能應用奠定關鍵技術基礎。

　　在人工智能基礎設施層研究持續高速演進的2025年，圖數據智能查詢領域迎來裡程碑式突破。創鄰科技攜手浙江大學聯合研發Cypher-RI大模型訓練框架被全球人工智能領域最具影響力的頂級會議 NeurIPS 2025正式收錄，該成果首次實現了基于強化學習的圖模式感知(Schema-Aware)自然語言轉Cypher查詢生成，通過強化學習實現端到端自動優化，在Cypher查詢生成任務上取得突破性表現，在權威基準CypherBench上以7B參數規模模型達到69%的執行準确率，超越GPT-4o 9.41個百分點，标志着圖數據庫智能查詢進入“結構感知”新階段。

　　企業複雜關系分析場景面臨的長期挑戰

　　随着數字化轉型的深入，企業數據規模爆炸式增長，複雜關系數據的價值挖掘愈發依賴圖數據庫。無論是金融反洗錢鍊路、社交網絡的關系傳播，還是生物信息中的蛋白質交互，都天然呈現為圖結構。圖數據庫成為洞察複雜關系的關鍵技術。

　　然而，關系數據的價值能否被真正釋放，往往取決于用戶是否能夠寫出正确、高效的圖查詢語句。以Cypher為代表的圖查詢語言雖然表達能力強大，但需要用戶深度理解圖模式(Schema)結構、熟練掌握複雜語法規則，且具備精準的 “圖思維”——這使得普通業務人員難以直接操作，而依賴模闆匹配、示例學習的傳統查詢生成技術，在面對多類型點邊、複雜邏輯查詢、跨場景泛化等企業真實業務場景時，普遍存在 “結構理解偏差”、“生成語句不可執行”、“結果準确率低” 等問題，導緻圖數據庫的強大能力難以轉化為實際業務價值，成為企業數字化轉型的 “隐形壁壘”。

　　CypherRI 突破何在：圖結構理解與強化學習協同優化

　　為破解上述行業痛點，創鄰科技聯合浙江大學突破性地提出 “圖模式感知 + 強化學習” 雙核心架構，構建了全球首個能夠主動解析圖結構、閉環優化查詢生成的大模型訓練框架Cypher-RI。該框架的核心創新在于實現了圖模式感知與生成過程的深度融合。與傳統僅依賴文本匹配的生成方式不同，CypherRI在理解自然語言問題的同時，能夠動态感知并主動篩選與問題真正相關的圖結構信息，确保生成的Cypher語句在語法正确、結構可執行的基礎上，精準對應業務意圖。

　　研究團隊創新性地引入強化學習框架，以查詢可執行性與結果準确性作為獎勵信号，推動模型在訓練中自主優化推理路徑。這使得模型不僅能“模仿”已有查詢樣本，更學會：

　　辨識與問題相關的點邊類型與屬性

　　基于圖語義進行多步邏輯推理

　　生成健壯且可穩定執行的Cypher查詢語句

　　該方法從機制上解決了生成查詢與圖結構脫節的關鍵痛點，大幅提升跨場景适用性與可靠性。

　　以小搏大：7B模型超越GPT-4o，樹立企業級部署新标杆

　　在權威評測基準 CypherBench 上，基于7B參數模型訓練的Cypher-RI的表現顯著超越所有已公開模型，并以9.41個百分點的優勢領先GPT-4o，刷新該任務SOTA(State-of-the-Art)記錄。

　　這一研究不僅從實踐上驗證了：隻要配合合适的強化學習框架，小參數模型同樣能夠在高度專業的任務上取得世界級性能，更凸顯了其對企業客戶的多重價值：

　　成本可控：占用資源少、部署成本低，可私有化部署，避免雲端大模型的高額API成本和數據安全風險

　　高效可靠：響應速度快，支持高并發查詢，更好滿足企業實時分析與交互需求

　　優化深度：訓練成本低，可針對企業專屬數據進行持續訓練與優化，實現“專用化智能”

　　行業意義：定義圖技術與大模型融合的新範式

　　CypherRI 的推出讓業務人員能夠通過自然語言直接、準确地操作圖數據，大幅降低分析門檻、是圖技術邁向“平民化”與“智能化”的關鍵一步。它不僅是查詢生成任務的SOTA，更揭示了大模型在結構化數據交互中的演進方向：從“萬能語言接口”走向“認知增強專用智能體”。其強化學習架構與模式感知設計為GraphRAG、圖增強推理、企業知識圖譜問答等下遊應用提供了可複用的技術内核，推動圖技術從單一分析場景邁向體系化、工程化、可規模化的企業級AI基礎設施。

　　創鄰科技将持續深化“圖技術+大模型”的協同技術路線，聯合學術界與産業夥伴，拓展自動化圖分析、時序圖預測、跨模态圖理解等前沿方向，構建可信、可控、可持續演進的數據智能新底座，賦能企業在新一輪AI變革中建立結構性競争優勢。