論文の概要: GraphEvoResearcher: Graph-Aware Training-Free Self-Reflective Reasoning for Cost-Bounded Multi-Hop Question Answering

• arxiv url: http://arxiv.org/abs/2610.25978v1
• Date: Mon, 19 Oct 2026 08:06:10 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:44:03.430482
• Title: GraphEvoResearcher: Graph-Aware Training-Free Self-Reflective Reasoning for Cost-Bounded Multi-Hop Question Answering
• Title（参考訳）: GraphEvoResearcher:コストバウンドマルチホップ質問回答のためのグラフ対応学習自由自己回帰推論
• Abstract要約: GraphEvoResearcherは、EvoResearcherの自己反射メタリワードを明示的な推論グラフに持ち上げる、トレーニング不要のプロトコルである。 グラフ対応メタリワードは、正当性、効率性、反射、多様性、および4つの構造信号を組み合わせて、修正、バックトラック、停止を決定する。 この結果から, 単段階推論が信頼できない場所では, 推論グラフの構造信号が最も貴重であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Multi-hop question answering (QA) requires models to chain intermediate conclusions while remaining cost-aware. Existing training-free self-reflective protocols (generate -> critique -> revise) improve accuracy but operate on a flat token stream: revisions cannot identify which prior step is unreliable, and early stopping cannot exploit structural convergence. We introduce GraphEvoResearcher, a training-free protocol that lifts EvoResearcher's self-reflective meta-reward onto an explicit reasoning graph - nodes are intermediate conclusions/evidence and edges encode support, contradict, and depends_on. A graph-aware meta-reward combines correctness, efficiency, reflection, diversity, and four structural signals (connectivity, acyclicity, branch coverage, path convergence) to decide whether to revise, backtrack, or stop. A graph-convergence early-stop terminates when evidence branches converge on a single conclusion. On a real LLM (DeepSeek), over GSM8K, MATH, and BBH (n=50 each), GraphEvoResearcher reaches 98%, 92%, and 82% respectively, the highest of all baselines, with the largest gains on the hardest set (MATH: +24 pp over single-shot, +12 pp over flat reflection), while keeping construction cost bounded at ~2 steps / 4.5-5 nodes. Our results indicate the structural signal of a reasoning graph is most valuable exactly where single-step reasoning is unreliable.
• Abstract（参考訳）: マルチホップ質問応答 (Multi-hop question answering, QA) は、コストを意識しながら中間的な結論をチェーンするモデルを必要とする。 既存のトレーニングフリーなセルフリフレクティブプロトコル(ジェネレーション -> 批判 -> 改訂)は正確さを向上するが、フラットなトークンストリームで操作する。 ノードは中間的な結論/証拠であり、エッジはサポートをエンコードし、矛盾し、 depend_on である。 グラフ対応メタリワードは、正しさ、効率性、反射、多様性、および4つの構造信号(接続性、非循環性、分岐カバレッジ、経路収束)を組み合わせて、修正、バックトラック、停止を決定する。 グラフ収束早期停止は、証拠分岐が1つの結論に収束すると終了する。 実際のLCM (DeepSeek) では、GSM8K、MATH、BBH (n=50) を上回り、GraphEvoResearcher は、それぞれ98%、92%、そして82%に達し、最も高いベースライン(MATH:+24pp、シングルショット+12pp、フラットリフレクション+12pp)で最大のゲインを持つ。 この結果から, 単段階推論が信頼できない場所では, 推論グラフの構造信号が最も貴重であることが示唆された。

関連論文リスト

• Lean Graph Search for Formal Theorem Proving [82.31440013289564]
  グラフに基づくLean4の検索手法であるLeanGraphSearchを提案する。 Mathlibのフォワード依存関係からグラフを構築し、それをトラバースして、サポート対象の補題を明らかにする。 3つの定理証明ベンチマークで、LeanGraphSearchは8, 16, 32リフレクションのパスレートをバニラ証明よりも40%向上させる。
  論文  参考訳（メタデータ） (2026-10-15T17:55:21Z)
• Structural Chain-of-Thought: Reasoning with Executable Computational Graphs [11.183892591874224]
  チェーン・オブ・プルーピングは、検証が難しく、生成にコストがかかり、常に忠実であるとは限らない説明を生み出します。 本稿では,モデルが自由形式推論の代わりに実行可能な計算グラフを生成する構造的階層化フレームワークを提案する。 我々の実験は、我々のアプローチで訓練されたモデルは、ポストホックな合理化を生成するよりも、生成したグラフから回答を導き出すことに頼っていることを示している。
  論文  参考訳（メタデータ） (2026-10-10T18:29:30Z)
• LCoT-GV: Graph Attention Networks for Verifying Long Reasoning Chains in Large Language Models [1.546945230112218]
  本稿では,Long Chain-of-Thought Graph Verifier (LCoT-GV)を推論グラフとして表現するグラフベースのフレームワークを提案する。 グラフ注意ネットワークは、推論グラフからチェーンオブ思考の正しさを予測するために訓練される。
  論文  参考訳（メタデータ） (2026-08-31T12:21:22Z)
• STOP: Structured On-Policy Pruning of Long-Form Reasoning in Low-Data Regimes [13.293115227628775]
  ロングチェーン・オブ・シークレット (Long CoT) 推論は多段階問題のパフォーマンスを向上させるが、過度な考えも引き起こす。 長文推論トレースを解析・解析するオンラインアルゴリズムSTOP(Structured On-policy Pruning)を提案する。
  論文  参考訳（メタデータ） (2026-05-13T08:28:05Z)
• Reasoning Graphs: Self-Improving, Deterministic RAG through Evidence-Centric Feedback [0.0]
  言語モデルエージェントは、クエリ毎にスクラッチから推論し、各実行後に思考の連鎖を破棄する。 このグラフ構造は,エビデンス・チェーンを,評価項目に関連付けられた構造化されたエッジとみなす。 逐次クラスタプロトコル,高再利用デプロイメントシミュレーション,決定論的実験を用いて,MuSiQueとHotpotQAの評価を行った。
  論文  参考訳（メタデータ） (2026-04-08T20:57:21Z)
• From Chains to Graphs: Self-Structured Reasoning for General-Domain LLMs [52.0811904328273]
  現実の推論には、複数の前提を統合し、サブプロブレムを並列に解決する必要がある。 最近のアプローチでは、外部に提供されたグラフに依存しており、LCMが独自のグラフ構造化推論を構築し、利用する方法については検討していない。 我々は,LLMが最終回答を生成する前に,その推論プロセスを構造化グラフとして明示的に表現できるフレームワークであるSelf-Graph Reasoning (SGR)を提案する。
  論文  参考訳（メタデータ） (2026-01-07T05:27:41Z)
• DTS: Enhancing Large Reasoning Models via Decoding Tree Sketching [54.98126916293868]
  大規模推論モデル(LRMs)は、精度を低下させる、非常に長い連鎖のトレースを生成する。 本稿では,高エントロピートークンを分岐することで推論空間をスケッチするモデル非依存デコーディングフレームワークを提案する。 このアプローチは、追加のトレーニングや監督を必要とせず、効率と正確性を両立させる最適解を近似する。
  論文  参考訳（メタデータ） (2025-11-01T17:41:28Z)
• Beyond the Last Answer: Your Reasoning Trace Uncovers More than You Think [51.0691253204425]
  我々は2つの質問に答えるために中間的推論ステップを解析する: 最終的な答えはモデルの最適結論を確実に表すか? 我々のアプローチは、推論トレースを言語的手がかりに基づくシーケンシャルなサブソートに分割することである。 これらの解答を最も頻繁な解(モード)を選択して集約すると、元の完全トレースから得られる解のみに依存するよりも、はるかに高い精度が得られることが判明した。
  論文  参考訳（メタデータ） (2025-04-29T12:39:07Z)
• Resprompt: Residual Connection Prompting Advances Multi-Step Reasoning in Large Language Models [73.4425450752596]
  チェーン・オブ・シント(CoT)のプロンプトによって、大きな言語モデル(LLM)の推論の可能性は著しく解放された。 しかし、標準的なCoTは複数の推論ステップを必要とする問題では効果が低い。 LLMにおける多段階推論を推し進める新しいプロンプト戦略であるRESPROMPTを提案する。
  論文  参考訳（メタデータ） (2023-10-07T08:56:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。