ReAgent：面向知识增强多跳问答的可逆多智能体推理
人工智能
2025-05-30 v2
摘要
大型语言模型（LLM）的最新进展通过直接的思维链推理显著提升了多跳问答性能。然而，CoT 的不可逆性会导致误差累积，使得在多跳推理中纠正错误极具挑战性。本文提出了 ReAgent：一个增强了显式回溯机制的可逆多智能体协作框架，实现了可逆的多跳推理。通过结合基于文本的检索、信息聚合与验证，我们的系统能够在推理过程中检测并纠正错误，从而产生更鲁棒且可解释的问答结果。该框架与实验为未来容错问答系统的研究奠定了基础。在三个基准上的实证评估表明了 ReAgent 的有效性，相比基线模型平均提升了约 6%。
引用
@article{arxiv.2503.06951,
title = {ReAgent: Reversible Multi-Agent Reasoning for Knowledge-Enhanced Multi-Hop QA},
author = {Xinjie Zhao and Fan Gao and Xingyu Song and Yingjian Chen and Rui Yang and Yanran Fu and Yuyang Wang and Yusuke Iwasawa and Yutaka Matsuo and Irene Li},
journal= {arXiv preprint arXiv:2503.06951},
year = {2025}
}
备注
25pages, 3 figures