Suxing Liu发布GraphEvoResearcher免训练图感知推理论文
热点事件观察中
Suxing Liu发布GraphEvoResearcher免训练图感知推理论文
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Suxing Liu 在 arXiv（2610.25978）发布论文，提出 GraphEvoResearcher：一种免训练的自反思多跳问答协议，把中间结论和证据表示为带支持、矛盾及依赖关系的推理图，并据此决定修订、回溯或停止。方法将 EvoResearcher 的自反思元奖励提升到显式推理图上。 论文称，在真实 LLM（DeepSeek）上对 GSM8K、MATH 和 BBH（各 n=50）分别达到 98%、92% 和 82%，为所有基线中最高，同时构建成本保持在约 2 步 / 4.5–5 个节点的有界范围。以上为论文摘要声称的结果，规模较小，尚未见独立复现。
AI 根据报道生成 · 10 小时前更新
最新进展10月20日 12:00
GraphEvoResearcher：面向成本受限多跳问答的图感知免训练自反思推理方法报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIGraphEvoResearcher：面向成本受限多跳问答的图感知免训练自反思推理方法
GraphEvoResearcher 提出一种免训练自反思多跳问答协议，将中间结论和证据表示为带支持、矛盾及依赖关系的推理图，并据此决定修订、回溯或停止。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- –
0246
06:0008:0010:0012:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。