Multi-hop QA Graph-Text Memory RAG Training-Free
摘要

多跳问答需要协调推理步骤中的关系与文本证据,单一文本语料或知识图谱均无法独立满足。现有研究往往侧重局部:图增强检索仅利用预建或查询更新图谱,KGQA 局限于主题子图,而记忆增强代理未能持续调和图记忆与文本上下文。本文提出 Co-E,一种围绕同步双向图 - 文本工作记忆构建的免训练系统。其同步周期整合文本记忆、提取关系三元组至图记忆,并将图事实注入生成上下文。双记忆维持机制塑造了后续检索与生成过程。在六个多跳 QA 基准上的评估显示,Co-E 优于同类免训练基线,并与更大规模或经训练的系统具有竞争力。

AI 推荐理由

论文核心提出同步双向图 - 文本工作记忆架构,专注于记忆机制的协同演化与更新。

研究机构
University of Oregon, OR, USA
论文信息
作者 Hieu Man, Thien Huu Nguyen
发布日期 2026-07-25
arXiv ID 2607.23278
相关性评分 9/10 (高度相关)