Учиться искать и рассуждать на графике знаний посредством активного самоотключения

arXiv:2502.14932v2 Annuales Type: заменить резюме: в ходе обширных исследований изучалась интеграция моделей большого языка (LMS) с графиками знаний для повышения эффективности процесса обоснования. Однако понимание того, как модели выполняют рассудки с использованием структурированных графических знаний, по-прежнему недостаточно изучено. В большинстве существующих подходов для вынесения двоичных суждений в отношении использования знаний, которые являются слишком тяжёлыми, используются МЛМ или ретриверы. Между тем, по-прежнему отсутствует механизм обратной связи для размышлений и контроля на протяжении всего пути рассуждения. В настоящем документе предлагается основа активной самоотсылки для обоснования графических соображений (ГРЗ), впервые введя подход, предусматривающий обучение по принципу " от конца до конца &qt; , с тем чтобы обеспечить итеративную аргументацию на основе структурированных графиков. В рамках этой модели используются специальные символы для активного контроля за процессом рассуждения, обеспечения поиска по запросу и многомерной, более глубокой оценки знаний. Появились пути рассуждения