शोधकर्ताओं ने AgentKGV का प्रस्ताव रखा है, जो औद्योगिक स्केल पर ज्ञान ग्राफ़ के विश्वसनीय तथ्य सत्यापन के लिए डिज़ाइन किया गया एक एजेंटिक LLM-RAG फ्रेमवर्क है। सिस्टम दस्तावेज़-स्तर की पुनः प्राप्ति में सतह-रूप असंगति को संबोधित करने के लिए गतिशील मार्गदर्शन और पुनरावृत्ति क्वेरी पुनर्लेखन को एकीकृत करता है।
- फ्रेमवर्क स्थिर तर्क के लिए टर्न-स्तरीय डिस्टिलेशन-आधारित SFT और खोज नीति को अनुकूलित करने के लिए ट्रैजेक्टरी-स्तरीय GRPO के साथ एक दो-चरणीय प्रशिक्षण रणनीति का उपयोग करता है।
- T-REx बेंचमार्क के लॉन्ग-टेल-प्रेडिकेट स्प्लिट पर, AgentKGV सिंगल-टर्न RAG की तुलना में मैक्रो-F1 में 5.5% की सुधार करता है।
- दो-चरणीय प्रशिक्षण मैक्रो-F1 में अतिरिक्त 9.4% की सुधार प्रदान करता है।
- GRPO सटीकता को कम किए बिना खोज कॉल के औसत संख्या को 3.24 से घटाकर 1.63 कर देता है।
यह दृष्टिकोण शोर वाले ज्ञान ग्राफ़ पर उच्च प्रदर्शन बनाए रखते हुए अनावश्यक पुनः प्राप्ति को कम करके अधिक सटीक और लागत-कुशल सत्यापन सक्षम बनाता है।