早期的人工智能分为两个流派，分别是符号主义以及连接主义。其中符号主义流派认为人工智能的核心是知识的逻辑推理，并为其命名为知识工程。专家算法作为知识工程的第一代产物，其通过程序化专家的思想来解决现实中问题。早期的专家算法发展的十分迅速，但很快人们发现专家算法在遇到一些开放域问题就会显得力不从心。随着互联网技术的快速发展，越来越多的知识充斥在互联网空间中，21世纪出Google公司率先提出第二代知识工程产物——知识图谱。相异于专家算法，知识图谱强调从互联网中以机器算法为主自发的抽取并结构化知识体系。知识图谱一经提出就在信息检索及知识推理等领域大放异彩

但另一派学者受生物解剖学启发，认为所谓的人类智慧不过是大脑皮层神经元间电信号的传递。21世纪初，随着算法以及硬件技术的趋于成熟，研究者用计算机模拟人脑中神经元结构提出了神经网络模型。2012年左右神经网络最先在图像领域展露头角，之后只经过了短短几年时间的发展，神经网络便在图像分类、物体识别等领域表现出了超于人类的智慧。而相对于语言这种更高级的智慧形式，在2018年左右随着BERT、GPT等预训练语言大模型的提出及其优异的表现，使得业内普遍相信在不远的将来人工智能技术在自然语言处理领域也会像在图像处理领域一样，达到与人类相似甚至超越人类的程度

虽然人工智能在符号主义及连接主义方面都取得了令人瞩目的成绩，但是距成熟理论两者目前都相差较远。知识图谱虽然善于信息检索及知识推理，但是其在知识转换为语言进行表述时多采用的是模板的套用，在表现形式上显得生硬不够灵活。而预训练语言模型则恰恰相反，其善于语言表达，而劣于逻辑推理。RFKL范式正是结合了两种流派的优势，实现了知识推理和预训练语言模型的整合，完成了符号主义和链接主义的殊途同归