CGModel

新框架通过上下文增强知识图谱来提升LLM的多跳推理能力

研究人员开发了一个新的训练框架，以提高大型语言模型的多跳问答能力。该方法通过整合来自同一文本源的支持性三元组来增强标准的知识图谱（KG）训练，从而创建一个上下文图（CG）。该框架在胃轻瘫和糖尿病的疾病特定KG上使用Qwen3-14B模型进行了测试，显示出使用上下文增强监督后性能有所提高。此外，还引入了一个自适应修复管道来解决单跳推理失败的问题，在应用强化学习以在更复杂的任务上进一步提升之前，在清理后的单跳验证集上达到了100%的准确率。