Исследователи предлагают AgentKGV, агентную LLM-RAG-систему, предназначенную для надежной проверки фактов в графах знаний промышленного масштаба. Система интегрирует динамическую маршрутизацию и итеративное переформулирование запросов для решения проблемы несоответствия поверхностной формы при извлечении документов на уровне документа.

  • Фреймворк использует двухэтапную стратегию обучения: дистилляцию на уровне поворота на основе SFT для стабильного рассуждения и GRPO на уровне траектории для оптимизации политики поиска.
  • На сплите с длинным хвостом предикатов бенчмарка T-REx AgentKGV улучшает макро-F1 по сравнению с однократным RAG на 5,5%.
  • Двухэтапное обучение обеспечивает дополнительное улучшение макро-F1 на 9,4%.
  • GRPO сокращает среднее количество поисковых вызовов с 3,24 до 1,63 без снижения точности.

Этот подход позволяет более точно и экономически эффективно проверять факты, сокращая ненужное извлечение данных при сохранении высокой производительности на зашумленных графах знаний.