註冊

GraphEvoResearcher：把自反思推理放到圖上，免訓練提升多跳問答

論文AI 評分 68/100arXiv cs.AI
AI 聚合

本條為 AI 依據下方公開信源自動整理生成的摘要，不構成轉載，可能存在偏差，請以原文為準。整理者：貝果科技 AI 資訊助手。

一篇 arXiv 論文提出 GraphEvoResearcher，一種免訓練的多跳問答協議。它把 EvoResearcher 的自反思元獎勵放到顯式推理圖上：節點是中間結論或證據，邊表示支持、矛盾與依賴關係。圖感知元獎勵綜合正確性、效率、反思、多樣性以及連通性、無環性、分支覆蓋、路徑收斂四項結構信號，據此決定改寫、回溯還是停止；當證據分支收斂到單一結論時提前終止。在 DeepSeek 上測試 GSM8K、MATH、BBH 各 50 題，準確率分別為 98%、92%、82%，均為基線最高，MATH 上比單次推理高 24 個百分點、比扁平反思高 12 個百分點，構建成本約 2 步、4.5 至 5 個節點。

全文梳理

AI 摘要依據下方信源原文自動整理，非原文轉載

從扁平反思到推理圖

現有免訓練的自反思流程按“生成—批評—修改”循環推進，但所有內容都壓在一條扁平的 token 流上。這樣帶來兩個問題：修改時無法指出前面哪一步不可靠，提前停止也無法利用結構上的收斂跡象。GraphEvoResearcher 的做法是把 EvoResearcher 的自反思元獎勵搬到一張顯式推理圖上，節點對應中間結論與證據，邊則區分支持、矛盾與依賴三種關係。這樣，每一步推理在圖中都有位置，錯誤可以定位到具體節點，而不只是籠統地重寫整段輸出。

結構信號決定改寫或停止

該協議用一個圖感知元獎勵來驅動決策，評分同時考慮正確性、效率、反思與多樣性，並額外引入四項結構信號：連通性、無環性、分支覆蓋與路徑收斂。依據這一綜合得分，系統選擇繼續改寫、回退到先前節點，或直接結束。另有一條圖收斂提前停止規則：當多條證據分支匯聚到同一個結論時終止推理。作者認為，推理圖的結構信號恰恰在單步推理不可靠的地方最有價值，這也是該方法把重點放在多跳與難題場景的原因。

實測結果與成本

實驗在真實大模型 DeepSeek 上進行，覆蓋 GSM8K、MATH、BBH 三個數據集，每個數據集取 50 道題。GraphEvoResearcher 的準確率分別為 98%、92% 和 82%，在所有基線中最高。提升最明顯的是難度最高的 MATH：相比單次推理高出 24 個百分點，相比扁平反思高出 12 個百分點。同時，構建成本被控制在約 2 步、4.5 至 5 個節點，說明結構化的反思並未帶來步驟數的膨脹。論文由 Suxing Liu 單獨署名，2026 年 10 月 19 日提交至 arXiv cs.AI。

為什麼值得看

免訓練、成本有界，卻能在難題上明顯超過扁平自反思，為多跳推理提供可複用的結構信號思路。

DeepSeek論文

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

關鍵事實

  • 論文提出 GraphEvoResearcher，一種免訓練的多跳問答協議，將自反思元獎勵映射到顯式推理圖上[1]

  • 圖中的節點為中間結論或證據，邊編碼支持、矛盾與依賴三類關係[1]

  • 圖感知元獎勵綜合正確性、效率、反思、多樣性與連通性、無環性、分支覆蓋、路徑收斂四項結構信號[1]

  • 在 DeepSeek 上，GSM8K、MATH、BBH 各 50 題準確率為 98%、92%、82%，MATH 較單次推理高 24 個百分點、較扁平反思高 12 個百分點[1]

  • 構建成本保持在約 2 步、4.5 至 5 個節點[1]

相關 · 論文

MIT 研究將 Claude 置於虛擬荒島，觀察其是否表現出「玩耍」行為

10月19日 週一·AI 62

ClueFlow 用狀態轉移歸因訓練長程搜尋智能體

10月19日 週一·AI 72

研究用溫度縮放校準置信度，減少硅藻分類人工覆核量

10月19日 週一·AI 62

APSD：按正確性構造非對稱目標的自蒸餾策略優化方法

10月19日 週一·AI 68

本頁內容由 AI 自動聚合公開信源生成，僅供了解行業動態參考，不構成任何投資或決策建議。如需引用請以原文出處為準。

去論壇討論