摘要
针对知识图谱问答（KGQA）需跨越多个关系导航至答案的挑战，现有方法依赖昂贵的前沿大模型进行工具探索。本文提出 Search-on-Graph-R1，通过监督微调与强化学习，将导航能力内化至紧凑的 8B 模型中。该方法利用黄金 SPARQL 查询引导教师模型遍历已知路径，生成基于真实 Freebase 服务器的 grounded 轨迹。实验表明，该模型在多个基准上超越冻结的前沿大模型系统，且无需辅助模块或裁判模型，显著减少了搜索调用次数。
AI 推荐理由
论文核心在于训练模型通过多步搜索在知识图谱中进行逻辑推理以回答问题，属于典型的复杂推理任务。
研究机构
Université de Montréal
Mila – Québec AI Institute
McGill University
Halmstad University College
Canada CIFAR AI Chair
论文信息