注册

GraphEvoResearcher：把自反思推理放到图上，免训练提升多跳问答

论文AI 评分 68/100arXiv cs.AI
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

一篇 arXiv 论文提出 GraphEvoResearcher，一种免训练的多跳问答协议。它把 EvoResearcher 的自反思元奖励放到显式推理图上：节点是中间结论或证据，边表示支持、矛盾与依赖关系。图感知元奖励综合正确性、效率、反思、多样性以及连通性、无环性、分支覆盖、路径收敛四项结构信号，据此决定改写、回溯还是停止；当证据分支收敛到单一结论时提前终止。在 DeepSeek 上测试 GSM8K、MATH、BBH 各 50 题，准确率分别为 98%、92%、82%，均为基线最高，MATH 上比单次推理高 24 个百分点、比扁平反思高 12 个百分点，构建成本约 2 步、4.5 至 5 个节点。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

从扁平反思到推理图

现有免训练的自反思流程按“生成—批评—修改”循环推进，但所有内容都压在一条扁平的 token 流上。这样带来两个问题：修改时无法指出前面哪一步不可靠，提前停止也无法利用结构上的收敛迹象。GraphEvoResearcher 的做法是把 EvoResearcher 的自反思元奖励搬到一张显式推理图上，节点对应中间结论与证据，边则区分支持、矛盾与依赖三种关系。这样，每一步推理在图中都有位置，错误可以定位到具体节点，而不只是笼统地重写整段输出。

结构信号决定改写或停止

该协议用一个图感知元奖励来驱动决策，评分同时考虑正确性、效率、反思与多样性，并额外引入四项结构信号：连通性、无环性、分支覆盖与路径收敛。依据这一综合得分，系统选择继续改写、回退到先前节点，或直接结束。另有一条图收敛提前停止规则：当多条证据分支汇聚到同一个结论时终止推理。作者认为，推理图的结构信号恰恰在单步推理不可靠的地方最有价值，这也是该方法把重点放在多跳与难题场景的原因。

实测结果与成本

实验在真实大模型 DeepSeek 上进行，覆盖 GSM8K、MATH、BBH 三个数据集，每个数据集取 50 道题。GraphEvoResearcher 的准确率分别为 98%、92% 和 82%，在所有基线中最高。提升最明显的是难度最高的 MATH：相比单次推理高出 24 个百分点，相比扁平反思高出 12 个百分点。同时，构建成本被控制在约 2 步、4.5 至 5 个节点，说明结构化的反思并未带来步骤数的膨胀。论文由 Suxing Liu 单独署名，2026 年 10 月 19 日提交至 arXiv cs.AI。

为什么值得看

免训练、成本有界，却能在难题上明显超过扁平自反思，为多跳推理提供可复用的结构信号思路。

DeepSeek论文

信源1 家

  1. [1]arXiv cs.AI一手信源GraphEvoResearcher: Graph-Aware Training-Free Self-Reflective Reasoning for Cost-Bounded Multi-Hop Question Answering

关键事实

  • 论文提出 GraphEvoResearcher，一种免训练的多跳问答协议，将自反思元奖励映射到显式推理图上[1]

  • 图中的节点为中间结论或证据，边编码支持、矛盾与依赖三类关系[1]

  • 图感知元奖励综合正确性、效率、反思、多样性与连通性、无环性、分支覆盖、路径收敛四项结构信号[1]

  • 在 DeepSeek 上，GSM8K、MATH、BBH 各 50 题准确率为 98%、92%、82%，MATH 较单次推理高 24 个百分点、较扁平反思高 12 个百分点[1]

  • 构建成本保持在约 2 步、4.5 至 5 个节点[1]

相关 · 论文

研究者提出用「逆向博弈论」约束AI智能体行为

11月3日 周二·AI 58

北大孙仲联合IBM等发布综述，重新定义现代模拟计算

11月3日 周二·AI 72

OpenAI 自 GPT-5.6 起部署激活分类器监控模型输出

11月3日 周二·AI 78

Pixel-UMI：从传感器化人类演示学习全身操作策略

11月3日 周二·AI 72

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论