TRACE：一种用于连贯多跳知识图谱问答的经验框架

多跳知识图谱问答（KGQA）需要在关系路径上进行连贯推理，但现有方法往往独立处理每个步骤，无法有效利用过往探索经验，导致推理碎片化和冗余。为此，本文提出 TRACE 框架，统一了大模型驱动的上下文推理与探索先验整合。该框架动态将演进的推理路径转化为自然语言叙述以保持语义连续性，并将先前的探索轨迹抽象为可复用的经验先验。通过双重反馈重排序机制，结合上下文叙述与经验先验指导关系选择。实验表明，TRACE 在多个基准测试中均优于最先进基线。