PathISE：学习用于知识图谱问答的信息性路径监督

知识图谱问答（KGQA）旨在通过知识图谱推理回答用户问题。现有方法多采用检索增强生成范式，但获取高质量中间监督信号（如相关路径）成本高昂。本文提出 PathISE 框架，仅需答案级标签即可学习高质量中间监督。该方法引入轻量级 Transformer 估计器评估关系路径的信息量以构建伪路径监督，并将其蒸馏至 LLM 路径生成器，为归纳推理提供紧凑证据。实验表明，PathISE 在多个基准上达到最先进水平，且无需昂贵的 LLM 细化监督。