LLM 引导的知识图谱蒙特卡洛树搜索：构建药物 - 疾病对的机制解释

从知识图谱中提取多步解释面临组合挑战，需启发式引导与信用分配。尽管前沿大模型具备强大知识与推理能力，但其缺乏保证且长链性能下降。本文提出 TESSERA，一种三部分神经符号框架，将大模型限定为局部判别角色而非自主生成。知识图谱定义假设空间并施加硬约束，蒙特卡洛树搜索协调长程搜索并通过反向传播进行信用分配。大模型充当先验策略偏置探索及比较状态评估器提供奖励信号。实验表明该框架在药物机制阐释中既忠实于生物学事实又能发现连贯的替代机制。