共形路径推理：通过路径级校准实现可信的知识图谱问答

知识图谱问答（KGQA）虽具备可解释的推理能力，但现有方法常缺乏可靠的覆盖率保证。针对共形预测在校准有效性和分数区分度上的局限，本文提出共形路径推理（CPR）框架。该框架创新性地执行查询级共形校准以生成路径预测集，并引入残差共形值网络（RCVNet）学习具有区分度的非一致性分数。实验表明，CPR 将经验覆盖率提升了 34%，同时将平均预测集大小减少了 40%，显著增强了答案集的紧凑性与可信度。