Ctrl-G同时控制知识图谱的结构与交互暴露，并保持多跳推理准确率。
资讯摘要
论文提出Ctrl-G，一个知识图谱增强检索（KG-RAG）框架，旨在同时控制发送给远程LLM的结构暴露与交互暴露，并保持多跳推理准确率。方法上，本地通过结构聚合与剪枝构建查询条件下的净化视图，并用分层控制器结合远程规划与本地连通路径探索；本地经验记忆复用已验证的推理轨迹以减少重复披露。作者报告其在六个基准中的五个上取得最高准确率，最高超出最强基线13.8分。
要点速读
- 论文指出，实体匿名化与关系抽象后传输的拓扑仍可见，可能支持对被掩码实体的重识别（结构暴露），多次调用还会累积路径与探索痕迹（交互暴露）。
- Ctrl-G在本地构建查询条件下的净化视图，限制传给远程LLM的图证据，并用分层控制器耦合远程规划与本地连通路径探索。
- 本地经验记忆复用抽象且已验证的推理轨迹，用于引导探索模式与深度并门控远程LLM调用；作者报告在六个基准中的五个上准确率最高，最高领先最强基线13.8分。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。