FoG：训练知识图谱智能体检索答案背后的证据

FoG 让 KG 智能体在答题时同时检索支撑证据。

资讯摘要

论文提出 FoG 框架，用于训练知识图谱（KG）智能体在给出答案的同时检索支撑该答案的三元组证据。现有 KG 智能体的训练数据只含答案、奖励也只校验答案，导致常出现答案正确却未检索证据的情况。FoG 包含证据锚定的合成数据、KG 交互智能体与证据覆盖过程奖励（ECPR）。作者报告在三个 KGQA 基准上，3B–4B 开源智能体在答案准确率与证据覆盖率上超过更大基线，并具备零样本跨 KG 迁移。

要点速读

1. 论文指出，现有 KG 智能体把 KG 仅当作答案来源，训练数据与奖励均不涉及检索到的证据。
2. FoG 通过递归隐藏显式实体生成带支撑三元组的子问题，并用 ECPR 将每条支撑三元组归功于首次检索它的轮次。
3. 作者报告在三个 KGQA 基准上，3B–4B 开源智能体在答案准确率和证据覆盖率上超过更大基线，并实现零样本跨 KG 迁移。

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 2026/10/29 08:00:21（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。