推理图：通过以证据为中心的思维链反馈实现确定性智能体准确率

针对语言模型智能体每次查询均从头推理导致准确率低且方差大的问题，本文提出“推理图”结构。该结构将智能体针对特定证据的思维链作为结构化边持久化存储，区别于传统基于查询相似度的扁平记忆机制。系统通过逆向遍历证据评估边，提供以证据为中心的反馈，并结合检索图优化候选筛选。这种无需重新训练的自改进反馈循环，显著提升了多跳问答任务中的准确率并降低了方差，实现了决策的全程可追溯。