作者提出了 DynaKRAG，这是一个统一的框架，将多跳检索增强生成表述为对原子证据操作的状态条件控制。在每一步中，有效性层构建可执行动作集，而学习到的控制器选择下一个操作来更新证据状态。

  • DynaKRAG 使用 Qwen2.5-7B-Instruct，在 HotpotQA 上达到 F1 分数 0.5998，在 2Wiki 上达到 0.5340，在 MuSiQue 上达到 0.3061。
  • 该系统在所有三个基准测试中均优于最强的受控基线。
  • 用均匀有效策略替换学习到的控制器会使 F1 降低 3.96--5.78 分。
  • 移除充分性反馈会对所有数据集的性能产生负面影响。

这些结果证明了在演变的证据状态下协调检索、诊断和基于缺口获取的好处。