GraphEcho：LLM 图智能体中的结构冗余与证据溯源
英文标题：GraphEcho: Structural Redundancy and Evidence Provenance in LLM Graph Agents
针对大语言模型（LLM）图智能体在遍历更多图路径时容易将冗余信息误判为独立证据的问题，研究人员推出了评测基准 GraphEcho。该基准通过改变图路径数量与证据溯源条件，测试智能体是否会将同一信息的重复遭遇错误视作额外的佐证依据。这项研究揭示了当前 Agent 在图结构推理中证据溯源能力的不足，对构建更鲁棒的知识图谱推理与多跳检索系统具有重要参考价值。
打开原文相关 4.8 · 机会 2
2.1 KB
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
论文信息
- arXiv 编号：arXiv:2609.17695v1
- 发布类型：new
摘要
大语言模型（LLM）智能体（Agent）可以在不获取更多独立证据的前提下，沿着图结构中的更多路径展开遍历。GraphEcho 基准旨在测试智能体是否会将这些重复遇到的信息误当成额外的佐证支持。该基准通过改变路径数量与证据溯源设置，系统性评测智能体对证据独立性的辨识能力。
English / 原文
BibTeX formatted citation
×