让智能体去搜索：在时序问答中自主探索胜过僵化工作流

时序知识图谱问答（TKGQA）需要在时间约束下进行多跳推理。现有基于大语言模型的方法通常依赖僵化的手工检索流程或昂贵的监督微调。本文表明，赋予现成大语言模型自主权，使其自主决定下一步行动，即使在严格的零样本设置下也能带来显著提升。基于此，我们提出了 AT2QA，这是一种无需训练的自主智能体，通过通用搜索工具与时序知识图谱迭代交互以进行动态检索。MultiTQ 实验显示其性能大幅提升，Hits@1 达到 88.7%，证明在时序问答中，智能体的自主性可 decisively 超越微调方法。