TKG-Thinker：基于代理强化学习实现时序知识图谱上的动态推理

时序知识图谱问答（TKGQA）旨在利用时序知识库回答时间敏感问题。尽管大语言模型潜力巨大，但现有提示策略在复杂时间约束下易产生推理幻觉，且静态提示缺乏与环境动态交互的优化能力。为此，本文提出 TKG-Thinker，一种具备自主规划与自适应检索能力的智能体。该方法采用双阶段训练策略：首先利用思维链数据进行监督微调以植入核心规划能力，随后通过多维奖励的强化学习 refine 复杂约束下的推理策略。实验表明，该模型在多个基准数据集上取得了最先进性能，并展现出强大的泛化能力。