Jann Pfeifer

强化学习提升零样本文本到SPARQL生成能力

研究人员探索了使用强化学习进行零样本文本到SPARQL生成，这是知识图谱问答的关键任务。他们将Group-Relative Policy Optimization (GRPO)应用于Qwen3-1.7B模型，利用执行反馈和答案级奖励进行训练，无需金标准查询标注。研究发现，基于结果的奖励显著提高了性能，优于零样本基线，表明在缺乏完全监督的情况下，强化学习是一种可行的策略。