RSF-GLLM：通过循环软流与解耦 LLM 生成 bridging 多跳知识图谱问答中的语义鸿沟

针对知识图谱多跳问答中传统“检索 - 阅读”流程因不可微分而难以弥合语义鸿沟的问题，本文提出 RSF-GLLM 框架。该框架将可微分图推理与答案生成解耦：其循环软流（RSF）模块利用 GRU 引导的查询更新器传播连续相关性分数，并通过动态门控机制穿越缺乏词汇重叠的桥接节点。引入流稀疏正则化以保证从软概率到离散推理路径的理论收敛。提取并文本化这些路径以微调大语言模型，确保生成基于事实拓扑。实验表明该方法在 WebQSP 和 CWQ 上性能优异且推理效率更高。