Temp-R1：通过反向课程强化学习实现复杂时间知识图问答的统一自主代理

时间知识图问答（TKGQA）本质上具有挑战性，因为它需要在动态事实和复杂的时序约束下进行多跳推理。现有方法依赖于固定的流程和昂贵的闭源API，限制了灵活性和可扩展性。我们提出了Temp-R1，这是首个通过强化学习训练的面向TKGQA的端到端自主代理。为了解决单步推理中的认知过载问题，我们扩展了动作空间，加入了专门的内部动作与外部动作。为了防止在简单问题上出现捷径学习，我们引入了反向课程学习，优先训练困难问题，迫使复杂推理能力的发展后再转移到简单情况。我们的8B参数Temp-R1在MultiTQ和TimelineKGQA数据集上取得了最先进的性能，在复杂问题上比强基线提升了19.8%。我们的工作为自主时间推理代理建立了一种新的范式。代码即将公开发布在https://github.com/zjukg/Temp-R1。