摘要
大型语言模型可通过强化学习提升搜索代理能力,但现有自博弈方法常忽略成功搜索中积累的知识。本文提出CoEvoKG框架,将知识图谱转化为可验证的训练任务源及代理进化的持久证据记忆。该框架联合训练任务生成器和搜索代理:生成器从图谱实体链创建多跳问题,代理则基于答案正确性和路径证据获得奖励。成功搜索后,系统验证并去重检索证据,将其写回图谱节点和边,供后续轮次复用,从而形成模型自我进化与知识积累的闭环。实验表明,该方法在多个基准测试上显著优于基线模型。
AI 推荐理由
论文核心在于通过强化学习实现Agent的自我进化,并构建知识图谱作为持久记忆以支持持续改进。
研究机构
北京大学
中国科学院自动化研究所
明势信息技术研究所
论文信息