OpCredit：面向智能体知识图谱问答的操作感知策略学习

OpCredit: Operation-Aware Policy Learning for Agentic Knowledge Graph Question Answering

AI 导读

OpCredit 是一个操作感知的策略学习框架，通过分支结果信用（BOC）与前沿转移信用（FTC）两个互补信号，为智能体知识图谱问答中每个可执行操作单独评估贡献，而非依赖轨迹级奖励。在 ComplexWebQuestions、WebQSP 和 GrailQA 三个基准、三种骨干模型上，该方法均取得一致的 KGQA 性能提升，推理时仅需已学习的策略和标准 KG 接口。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：智能体知识图谱问答（KGQA）依赖于可执行操作的序列，但轨迹级奖励掩盖了各个操作的独立贡献。成功的轨迹可能包含无效操作，而失败的轨迹可能包含有用的操作。为了评估单个操作，我们提出了 OpCredit，一个操作感知的策略学习框架，它将下游结果信用与即时转移信用相结合：分支结果信用（BOC）复用普通 rollout，在匹配的导航上下文下比较不同操作后观察到的终端任务奖励；前沿转移信用（FTC）衡量操作引起的、以答案为条件的前沿势能变化。这两个互补信号在训练期间共同监督相应的决策片段，而推理时仅使用学习到的策略和标准 KG 接口。在 ComplexWebQuestions、WebQSP 和 GrailQA 上跨三个骨干模型的实验表明，KGQA 性能获得了一致的提升。

主题：	计算与语言（cs.CL）
引用为：	arXiv:2610.21345 [cs.CL]
	（或 arXiv:2610.21345v1 [cs.CL] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.21345 由 DataCite 颁发的 arXiv DOI（待注册）

提交历史

发件人：Yucheng Li [查看电子邮件]
[v1] 2026年10月15日星期四 06:29:17 UTC（454 KB）

来源：arXiv cs.CL · arxiv.org