kgqa

该论文提出了 OpCredit，一种面向智能体知识图谱问答的操作感知策略学习框架。该框架结合分支结果信用分配与前沿转移信用分配，将信用分配给单个操作而非整条轨迹，并在 ComplexWebQuestions、WebQSP 和 GrailQA 上均取得了稳定提升。

GeoOutageBench 提出了一套基准，用于支持歧义感知、基于本体的地理时空知识图谱问答（KGQA），该基准整合了多模态数据（停电记录、遥感、天气、风暴及电力事件），以支撑电力中断与韧性分析。该工作在 SIGSPATIAL '26 上发表。

本文通过分离图导航能力，对KGQA中的小型语言模型进行超越答案准确率的评估，结果显示路径保真度存在显著差异，并强调需要更广泛的评估指标。

MissDiag 引入了一个诊断评估框架，该框架将 KGQA 和 KG-RAG 系统在不完全知识下的鲁棒性分解为类型化证据干预，以实现更可解释的比较。

KGCache是一种用于一跳知识图谱邻域的内存缓存，可减少使用大语言模型的KGQA系统中冗余的子图检索。在WebQSP和CWQ上的评估显示，它可将知识图谱检索速度提升最多1.91倍，并表明语义缓存能进一步提高命中率。