ReAgent: Reversible Multi-Agent Reasoning for Knowledge-Enhanced Multi-Hop QA

作者: Zhao Xinjie, Fan Gao, Rui Yang, Yingjian Chen, Yuyang Wang, Ying Zhu, Jiacheng Tang, Irene Li

发布时间: 2025-03-11

来源: arxiv

研究方向: 知识增强的多跳问答（Multi-hop QA）

主要内容

ReAgent是一种可逆的多智能体协同推理框架，旨在解决多跳问答中的错误累积问题。它通过引入文本检索、信息聚合和验证，使系统能够在推理过程中检测和纠正错误，从而提高问答结果的鲁棒性和可解释性。

1. 设计了支持局部和全局回溯的多智能体问答框架

2. 结合知识图谱和文本检索进行灵活的证据获取

3. 在三个基准数据集上进行了系统实验，证明了比仅前向推理的基线模型更鲁棒和可解释的多跳问答

1. 多智能体协同推理

2. 文本检索

3. 信息聚合和验证

4. 局部和全局回溯机制

5. 动态聚合器

在三个基准数据集上，ReAgent的平均EM得分提高了约6%，F1得分提高了约0.8%，优于基线模型。

将可逆推理机制扩展到其他知识密集型应用，以构建更可靠的协作人工智能代理。