知识图谱路径作为自进化搜索代理的中间监督

自进化搜索代理通过生成并解决自身搜索任务减少对人类标注数据的依赖。针对现有搜索自博弈（SSP）框架中问题生成缺乏关系语境及求解器仅获二元奖励的瓶颈，本文提出利用知识图谱路径作为中间监督。首先，基于大模型引导的知识图谱子图构建问题以提供关系上下文；其次，引入航点覆盖奖励（WCR），根据求解轨迹对构建路径实体的覆盖程度给予分级部分奖励。实验表明，该方法在多个基准测试中显著提升了多跳问答性能，实现了无需额外人工标注的轻量级过程反馈。