受限路径上下文：LLM 基于知识图谱问答中可见路径历史的受控研究

LLM 基于知识图谱问答 (KGQA) 将图遍历委托给语言模型，将每个问题转化为在多个束和跳跃中重复的局部关系选择决策序列。常见但未经检验的默认做法是将完整的部分路径序列化到每个路由提示中，尽管控制器已经将此路径维持为 exact 符号状态。受限路径上下文 (Bounded Path Context, BPC) 将这两个角色分离：控制器在符号记忆中保留完整路径，用于答案提取和审计，而关系选择提示仅暴露问题、当前实体、 outgoing 关系候选项，以及最多前 K 跳。对 K 进行受控扫描——固定图社区、束预算、深度、解码和答案提取格式——显示受限历史在完整 WebQSP 和 CWQ 测试集上与完整历史提示相当或更好，采用 Qwen3.5-9B-AWQ：K=1 在 WebQSP 上实现 0.487 的 answer-set F1，而完整历史得分为 0.472；K=0 在 CWQ 上达到 0.287，而完整历史为 0.274，分别减少 9.7\% 和 12.1\% 的输入 token。对于 4B 规模，K=1 在两个基准测试中仍然最强。按示例分析显示，71-84\% 的示例对历史长度不受影响，而受影响的案例暴露了 prior 跳跃是消除歧义还是干扰的时机。这些结果表明，路径序列化长度应被视为可调节的接口变量，而非 LLM 基于图控制器中的默认假设。