PathRouter：在代理式图检索增强生成中对齐奖励与检索质量

代理式图检索增强生成（GraphRAG）训练语言模型代理迭代检索并推理图结构证据，以导航复杂信息网络。然而，仅基于结果的强化学习存在“答案 - 路径奖励混淆”和“搜索 - 更新歧义”问题。为此，本文提出 PathRouter，一种感知路径的训练框架。该框架联合评估轨迹的答案正确性与证据路径重叠度，通过差异化优势缩放抑制捷径行为。针对证据匮乏的轨迹，利用冻结的黄金证据教师提供令牌级 KL 指导。实验表明，该方法在多个基准上显著提升了答案 F1 值与证据路径重叠率。