DualRAG：集成推理与检索的双进程多跳问答方法
机器学习
2025-10-06 v3
摘要
多跳问答 (MHQA) 任务遍布于实际应用场景，构成跨越多样知识领域的多步骤推理挑战。虽然现有方法通过迭代检索取得改进，但仍难以识别和组织动态知识。为此，我们提出 DualRAG，一种融合推理与检索的协同双进程框架。DualRAG 通过两个紧密耦合的进程运行：Reasoning-augmented Querying (RaQ) 与 progressive Knowledge Aggregation (pKA)。两者协同工作：RaQ 在推理路径上导航并生成有针对性的查询，pKA 确保新获取的知识被系统性地整合以支持连贯推理。这形成了知识丰富与推理细化的良性循环。通过精细调优，DualRAG 在规模较小的模型中仍能保持其精妙的推理与检索能力，展现出在不同规模下的灵活性与核心优势。广泛实验表明，这种双进程方法显著提升了答案的准确性与连贯性，接近乃至在某些情况下超越了使用 oracle 知识访问的性能。这些结果将 DualRAG 确立为复杂多跳推理任务中稳健且高效的解决方案。
引用
@article{arxiv.2504.18243,
title = {DualRAG: A Dual-Process Approach to Integrate Reasoning and Retrieval for Multi-Hop Question Answering},
author = {Rong Cheng and Jinyi Liu and Yan Zheng and Fei Ni and Jiazhen Du and Hangyu Mao and Fuzheng Zhang and Bo Wang and Jianye Hao},
journal= {arXiv preprint arXiv:2504.18243},
year = {2025}
}