DTKG：面向多跳问答的双轨知识图谱验证推理框架

多跳推理问答 (QA) 在现代大型语言模型 (LLM) 的检索增强生成 (RAG) 中发挥着关键作用。通过从知识图谱 (KG) 中检索实体的关系结构可获得准确答案。鉴于多跳推理的内在关系依赖性和推理模式，可大致分为两类：i) 并行事实验证多跳推理问题，即需要同时验证多个独立子问题；ii) 链式多跳推理问题，即需要基于中间结论作为后续推理的基本前提的顺序多步骤推理。当前的多跳推理方法仅采用一种技术：LLM 响应-based 事实验证或 KG 路径-based 链构建。然而，前者在并行事实验证方面表现突出，但在链式推理任务中表现不佳；后者在链式多跳推理中表现突出，但在处理并行事实验证时会产生冗余路径检索。这些局限性降低了多跳 QA 任务的效率和准确性。为此，我们提出一种新颖的双轨 KG 验证与推理框架 DTKG，灵感来源于认知科学中的双过程理论。具体而言，DTKG 包含两个主要阶段：分类阶段和分支处理阶段。