标签
DocSkill提出一种带技能编排策略的智能体框架，用于多语言多跳文档问答，通过MCTS离线探索轨迹并结合SFT/DPO训练策略，同时发布包含60K QA对、覆盖10种语言的MMHop-DocBench数据集。
该论文提出两阶段诊断评估方法，检验以图结构表示的LLM推理链的结构可靠性，发现图的可靠性随拓扑、提示设计和模型族而变化，且图结构对不确定性估计的校准和节点级诊断有帮助，但作为提示上下文时收益有限。
Nebius AI 提出 Caddie 方法，通过强化学习从任务成败结果训练 LLM agent 的自然语言批评器（critic），无需逐步标注。Qwen3-4B critic 在 MuSiQue 上将成功率提升逾 25 个百分点，并可跨基座模型与任务域泛化。
一项消息干预研究表明，在推理模型与验证模型之间传递的推理链（rationales）几乎不会提高答案准确率，却会显著改变其对证据支持的判断——尤其是在推理链被破坏时。这暗示推理链共享应作为验证机制而非准确率提升手段来评估。
CANOPY 提出一种自适应粒度的多模态 RAG 检索后证据压缩框架，通过层级表征与父节点相对精炼来选择多粒度证据区域，并在压缩不足时触发定向再检索，在 5 个 QA 基准上取得更高平均准确率，同时将读取器输入 token 减少 14.2–27.7%。
本文分析了循环语言模型中注意力路由的演变，并提出了WISE，一种无需训练的推理方法，该方法重用已稳定的稀疏注意力支持，以实现高达1.76倍的注意力加速，同时在多跳问答基准测试上保持性能。
CoVeR 是一种基于覆盖的路由方法，在代理检索系统中将 LLM 验证器调用减少了 62-68%，同时在多跳问答基准上保持准确性。
HyperProve 提出了一种利用答案引导超图扩展的检索增强型问答框架，用于处理多跳问题，并在基准测试中取得了优于基线模型的性能。
CoG 是一种认知启发的免训练框架，适用于检索增强生成中的自适应知识探索，通过计划-探索-反思循环与双向图-文本协同，在多跳问答基准测试上实现了最先进的性能。
本文提出了一种上下文增强的多跳问答训练框架，表明结合上下文图与知识图谱并使用强化学习可以提高生物医学领域的性能。
PARSER引入了一种解耦架构，使用scatter-gather子代理进行并行块读取和迭代推理，显著提高了长上下文多跳准确性，并减少了LLM代理的延迟。
R2Adapter 是一个轻量级的路由与重写适配器，能够动态地在传统RAG和基于图的RAG之间分配查询，将基于图的RAG使用率降低高达59%，同时在多跳问答基准测试中保持准确性。
本文提出了证据充分性边界训练，以增强基于证据的多跳问答系统中的选择性回答，通过学习在证据不足时何时放弃回答，从而在HotpotQA和MuSiQue等基准测试中改善边界定位并降低无支持答案率。
ISO-RAG是一种无需训练的拓扑驱动检索增强生成框架，它使用等周噪声控制来通过减少语义漂移并提升效率，从而改善多跳问答。
Hi-Q 是一个证据条件框架，基于语料库支持信号动态将多跳查询精炼为层次树，从而提高多跳问答的检索和答案准确性。
ReliableRAG 是一个可靠性驱动的框架，旨在通过评估细粒度信息三元组来对抗检索增强生成系统中的虚假信息，用于多跳问答，以确保准确且忠实的答案。
本文介绍了PACE，一个无训练框架，通过基于证据覆盖率重排候选并动态调整重排预算来优化RAG系统，从而提高证据召回率并降低延迟。
本文介绍了AgenticRAG-FP，一个用于智能体RAG系统中因果故障归因的干预基准，分析了故障如何在检索跳数间传播，并评估了诊断性能。
This paper proposes SAG, a SQL-retrieval augmented generation architecture that organizes documents into event-entity hyperedges without building a global knowledge graph, enabling query-time dynamic linking of evidence chunks for multi-hop QA. It reports state-of-the-art retrieval and QA performance on HotpotQA, 2WikiMultiHopQA, and MuSiQue benchmarks.