arXiv · cs.AI· Shengxiang Gao, Chao Lei, Jey Han Lau, Linhao Luo, Jianzhong Qi·· 2 天前
Reward on Path（RoP）通过学习中间路径奖励提升知识图谱问答F1
Reward on Path: Learning Intermediate Supervision Signals for Knowledge Graph Question Answering
arXiv:2605.10791v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shengxiang Gao, Chao Lei, Jey Han Lau, Linhao Luo, Jianzhong Qi
研究任务与主要进展
作者提出Reward on Path（RoP）框架，从答案标签学习问题条件化的路径奖励，以降低知识图谱问答中的路径监督噪声和LLM精炼成本。RoP先通过奖励蒸馏传递候选路径偏好，再用GRPO基于自生成路径进行优化；在多个KGQA数据集上，摘要报告其相较答案监督方法的F1至少提升2.6%，并超过LLM精炼方法。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org