STEC：面向开放域多跳问答深度搜索的证据压缩方法

在开放域多跳问答中，基于大语言模型的搜索代理结合了检索与推理，但多搜索轨迹导致最终答案选择困难。现有方法直接比较原始轨迹或答案字符串，易受噪声、冗余及冲突信息干扰。为此，本文提出 STEC 框架，通过两种机制优化答案选择：一是答案级证据压缩，将轨迹按归一化答案分组并转化为特定证据表示；二是证据引导的答案验证，通过比较这些表示选出最终答案。实验表明，该方法在多个基准测试中优于现有基线，有效提升了复杂推理任务中的答案可靠性。