KIM（知识引导模型）是一个结合大型语言模型（LLMs）与领域知识的机器学习框架，旨在通过结构化知识提升行为克隆的样本效率和鲁棒性。 它通过少量演示数据微调预构建的策略结构，适用于数据稀缺场景，强调知识引导在机器学习中的关键作用。 其核心思想是将专家知识（如知识图谱或规则系统）与数据驱动学习相结合，推动传统模型在医疗、机器人等领域的性能边界。
