RAG Knowledge Graph Technical Reasoning Agent Framework
摘要

本文提出了一种面向特定领域技术推理支持的代理检索增强生成(RAG)框架,并在智能轮胎、车辆动力学及控制领域的约 2100 篇学术语料上实例化。该架构采用包含 13 步的自主流程,涵盖意图分类、证据充分性评分、带漂移保护的查询重构重试、外部数据库迭代搜索、Neo4j 知识图谱关系遍历、引用完整性验证及生成后质量检查。主要贡献包括五维证据评分体系、基于路由的外部搜索架构、结合 LLM 实体提取的知识图谱构建,以及具备自我纠正能力的生成循环,展示了代理式 RAG 在大规模领域语料中支持文献导航与技术推理的实践能力。

AI 推荐理由

论文核心构建基于 Agent 的 RAG 框架,旨在解决特定领域的技术文献推理问题。

研究机构
Global Tire Intelligence and Solutions (GTIS) The Goodyear Tire & Rubber Company
论文信息
作者 Kanwar Bharat Singh
发布日期 2026-06-01
arXiv ID 2606.01613
相关性评分 9/10 (高度相关)