研究者らは、産業規模の知識グラフにおける信頼性の高い事実検証のために設計されたエージェント型LLM-RAGフレームワークであるAgentKGVを提案する。このシステムは、文書レベルの検索における表面形式の不一致に対処するため、動的ルーティングと反復クエリ書き換えを組み合わせている。

  • このフレームワークは、安定した推論のためのターンレベル蒸留ベースのSFTと、検索ポリシーの最適化のためのトラジェクトリレベルGRPOという二段階トレーニング戦略を採用している。
  • T-RExベンチマークのロングテール述語分割において、AgentKGVは単一ターンのRAGと比較してmacro-F1を5.5%向上させた。
  • 二段階トレーニングにより、macro-F1にさらに9.4%の改善をもたらした。
  • GRPOは精度を低下させることなく、平均検索呼び出し数を3.24から1.63に削減した。

このアプローチは、不要な検索を削減しつつノイジーな知識グラフ上で高いパフォーマンスを維持することで、より正確でコスト効率の高い検証を可能にする。