先修复，再强化：面向多跳问答的上下文增强知识图谱推理

英文标题：Repair Before Reinforce: Context-Augmented Knowledge Graph Reasoning for Multi-Hop Question Answering

该论文关注多跳问答任务：回答此类问题通常需要跨越多个相互连接的事实进行推理，而非检索单一孤立关系。论文以知识图谱（KG）为结构化事实表示基础，探讨结合上下文增强的知识图谱推理方法。其标题提出“先修复、再强化”的思路，旨在改善大语言模型（LLM）在基于知识图谱进行多步推理时的知识或推理链质量。原始摘要内容不完整，未提供具体实验数据、模型细节或性能结论。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB