标签
该论文提出三阶段流程，用于识别多语言大模型中的"Bridge Routing Heads"（BRH），发现五种语言对应的头集合几乎完全互斥，证明多语言多跳推理由语言特异的电路实现；消融实验显示了因果效应，并通过激活级干预，在无需训练的情况下即可挽救高达 51.7% 的跨语言推理失败。
本文提出了工具使用型 Agent 中的水平主动性与垂直主动性，并提出 Q&D 一种训练方法，在无需奖励模型或评委的情况下，通过奖励提问者获取所需证据的能力进行训练。在多跳问答基准和模拟客服场景中，训练后的提问者在三个基准中的两个上胜过了规模是其 15 倍的提示模型，表明 Agent 追求什么信息以及何时停止，与其是否未经提示就行动同样重要。
LatWeave 引入了一种确定性多跳问答系统，该系统利用知识格通过相遇、比较和弃权运算符来消除幻觉并确保可审计的证据链。
本文介绍了 FedV-KGQA，这是一个针对垂直分区知识图谱的多跳问答联邦系统，分享了实证发现、设计经验和交互原型。
Mosaic 是一个免训练框架，用于GraphRAG中的查询感知探索，根据查询需求调整检索策略，在标准基准测试中显著提高了答案正确性和效率。
DocHop 引入了一个基准，用于评估信息密集文档中的多跳推理，重点是多模态大语言模型中的图表上下文集成，实验表明模型与人类性能之间存在显著差距。
PRO-Step 引入了一种步骤级过程奖励优化方法，用于检索增强生成，通过评估每个步骤的逻辑有效性和证据基础来改进多跳推理。
SelfGraphRAG引入了一个框架，该框架从知识图谱生成合成问答对，以解决基于图的检索增强生成中的监督缺口，提升检索精度和推理性能。
SSE-Bio 提出了一种具有可训练检索策略的结构化自进化代理，以改善多跳生物医学推理，并展示了相较于基线的显著性能提升。
SABET-QA 提出了一个用于时序知识图谱问答的迭代框架，通过双向实体-时序评分和上下文化增强了多跳推理，并在 CronQuestions 和 TimeQuestions 等基准测试中显示出相对于基线的一致改进。
MolBioKG 是一个双层系统，通过多分辨率结构锚定将未见过的分子关联到生物医学知识图谱中，从而能够从 SMILES 字符串进行图外链接恢复和多跳推理。与基线相比，它显著提高了 Hits@10 和图外目标召回率，同时保持可追溯的证据。
This paper introduces D2F-ReAG, a novel paradigm for multi-hop reasoning-augmented generation that dynamically controls reasoning depth by judging root-level reasoning reliability and decomposing questions into sub-questions when needed, improving accuracy on multi-hop benchmarks.
本文介绍了一个用于评估机器遗忘的新基准，重点关注多跳推理一致性和恢复鲁棒性。实验表明，现有遗忘方法在遗忘质量、鲁棒性和效用保持之间面临“不可能三角”的权衡。
介绍了Multimodal CoLRAG-TF，一种四轴融合架构，用于在复杂PDF上进行检索增强生成，整合了稠密文本、BM25、知识图谱三重过滤和图像相似性。在日文灾难教训PDF基准上，多跳推理取得了显著改进。
Telco-GAIA是一个用于评估电信领域工具使用智能体的双语多模态基准测试，包含100个经过人工验证的任务，要求对异构来源进行多跳推理，并通过精确字符串匹配进行客观评分。
本文提出了Search-on-Graph-R1（SoG-R1），该模型通过首先使用黄金SPARQL查询搭建前沿教师模型以生成有依据的轨迹，然后应用监督微调和强化学习，训练一个8B参数的大型语言模型在知识图谱中导航。这个紧凑的模型在WebQSP、CWQ和GrailQA上超越了冻结的前沿系统，尤其是在CWQ上取得了所有对比方法中的最佳结果。
DeLIVeR 是一个框架，它使用强化规划器大语言模型将主张分解为问题集，用于结构化知识图谱遍历，在基准数据集上比静态RAG基线提高了10-15%的事实核查准确率。
介绍GRASP，一种强化学习框架，训练智能体在多步推理中自适应地协调语义搜索、关键词搜索和段落读取，提高了多跳基准上的检索召回率和问答性能。
本文介绍了RSF-GLLM，一个将可微图推理与LLM生成解耦的框架，以解决多跳知识图谱问答中的语义鸿沟问题，在实现竞争性性能的同时，具有卓越的推理效率。
一位开发者反思了何时 GraphRAG 比标准 RAG 更适合 AI 代理，指出它在多跳推理和关系理解方面很有价值，但增加了显著的复杂性。