MIRAGE：并行图检索增强的推理链扩展测试时间推理
计算与语言
2026-01-21 v2
摘要
大规模推理模型（LRM）在通过链路思考提示在测试时间扩展方面取得了显著进展。当前方法如 search-o1 将检索增强生成（RAG）集成到多步骤推理过程中，但依赖于单一线性推理链，同时以非结构化文本方式以无上下文的方式包含信息。结果是，这些方法在推理链中导致误差累积，显著限制了其在医学问答（QA）任务中的有效性，其中准确率和可追溯性是关键要求。为解决这些挑战，我们提出 MIRAGE（多链推理结合检索增强图探索），这是一种新的测试时间可扩展推理框架，执行结构化医学知识图上的动态多链推理。具体而言，MIRAGE 1) 将复杂查询分解为以实体为 grounding 的子问题，2) 执行平行推理链，3) 通过邻域扩展和多跳遍历以自适应方式检索证据，4) 通过跨链验证整合答案以解决矛盾。在三个医学 QA 基准（GenMedGPT-5k、CMCQA 和 ExplainCPE）上的实验显示，MIRAGE 在自动和人类评估中 consistently 超过 GPT-4o、Tree-of-Thought 变体和其他检索增强基线。此外，MIRAGE 通过生成显式推理链来提高可解释性，将每个事实主张追溯到知识图中的具体链，使其适用于复杂的医学推理场景。代码将提供以供进一步研究。
引用
@article{arxiv.2508.18260,
title = {MIRAGE: Scaling Test-Time Inference with Parallel Graph-Retrieval-Augmented Reasoning Chains},
author = {Kaiwen Wei and Rui Shan and Dongsheng Zou and Jianzhong Yang and Bi Zhao and Junnan Zhu and Jiang Zhong},
journal= {arXiv preprint arXiv:2508.18260},
year = {2026}
}
备注
10 pages, 8 figures (including tables), plus appendix. Accepted to AAAI 2026