SPARK：基于知识图谱非对称奖励的自博弈框架

针对科学文献中多模态元素关系隐式导致推理问题生成难及奖励信号弱的问题，本文提出 SPARK 框架。该框架自动构建统一知识图谱，利用其路径生成关系推理问题，并基于结构化事实计算可验证奖励。小型视觉语言模型在信息不对称下交替扮演提议者与求解者进行自博弈。实验表明，SPARK 在多跳问答任务上显著优于基于扁平语料的基线，且随跳跃次数增加优势扩大，证实了知识图谱结构对关系多跳推理的关键作用。