摘要
多跳问答（MHQA）旨在回答需要多步推理的问题，面临生成正确推理路径及在 LLM 局限下准确检索知识两大挑战。现有方法依赖提示生成路径并结合传统检索，常导致推理偏离或检索信息同质化。为此，本文提出 SEARCH-R 框架，通过微调 Llama3.1-8B 训练端到端推理导航器以分解子问题，并设计基于依赖树的新型检索机制量化评估文档信息贡献。在三个多跳数据集上的实验验证了该框架的有效性。
AI 推荐理由
论文核心在于多跳推理路径生成与导航，提出结构化推理框架解决复杂推理问题。
研究机构
City University of Hong Kong
Xi'an Jiaotong University
Zhejiang University of Technology
Michigan State University
Jilin University
论文信息