评论树：面向多跳问答的基于树结构的动态迭代检索框架

多跳问答是一种知识密集型的复杂问题。大型语言模型（LLM）利用其链式思维（Chain of Thoughts, CoT）能力，逐步推理以解决复杂问题，检索增强可有效缓解LLM中因知识过时或不完整而导致的事实错误。近期研究在链式思维推理中引入检索增强，以解决多跳问答问题。然而，这些链式方法存在以下问题：1）检索到的无关段落可能干扰推理过程；2）链式结构中的错误可能引发连锁反应。本文提出一种动态检索框架，称为评论树（Tree of Reviews, ToR），其中根节点为问题，其余节点为检索得到的段落，形成从根节点延伸至其他节点的不同推理路径。该框架根据推理路径上的段落，动态决定是启动新检索、拒绝还是接受。与相关工作相比，本文引入树状结构来单独处理每个检索段落，缓解了无关段落对推理路径的干扰作用；推理路径扩展的多样性减少了单次推理错误对整体的影响。我们在三个不同的多跳问答数据集上进行了实验。结果表明，与基线方法相比，ToR在检索和响应生成方面均实现了最新水平性能。此外，我们提出两种基于树的搜索优化策略——修剪和有效扩展，以减少时间开销并增加路径扩展的多样性。我们将发布代码。