MARS以自适应多跳检索替代智能体探索来生成SPARQL。
资讯摘要
论文提出MARS，一种无需模型微调的知识图谱问答方法。它不依赖开放式智能体探索，而是将问题实体链接到知识图谱并迭代检索下一跳信息，每一步决定继续遍历还是生成最终SPARQL查询，从而按问题自适应调整检索深度。作者在三个KGQA基准上跨多个LLM及多语言设置评估，报告性能与现有先进方法相当，并通过消融与错误分析给出观察；代码与资源已公开。
要点速读
- MARS无需微调，采用结构化多跳检索并在每步决定继续遍历或生成SPARQL查询。
- 作者在三个KGQA基准、多个LLM及多语言设置下评估，报告与先进方法相比具竞争力且高效可扩展。
- 论文提供消融实验与错误分析，代码和资源已在GitHub公开。
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 2026/10/23 08:00:11（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。