AI 词汇表
人工智能完整词典
多跳问答
问答系统的一个子领域，其中对初始问题的回答需要制定并解决一系列中间问题，通常是相互链接的，以得出最终答案。
链式推理
一种认知和计算过程，涉及连接多个事实或实体以推断新信息，对于多跳问答系统至关重要，这些系统需要在知识库中遵循逻辑路径。
问题分解
一种技术，通过分析复杂问题将其分解为一系列更简单且可直接回答的子问题，这些子问题的答案随后将结合以解决初始问题。
检索增强生成 (RAG)
一种混合架构，其中检索模型(retriever)找到相关文档来为生成模型(generator)提供信息，通常用于基于外部源构建复杂答案。
查询规划
一种确定子查询最优执行顺序以回答多跳问题的机制，旨在最小化计算成本并最大化检索信息的相关性。
证据融合
多跳问答过程的最后阶段，在此阶段，来自不同推理步骤的信息被综合和整合，以制定一个连贯且完整的最终答案。
模糊实体
多跳问答中的一个主要挑战，其中问题中提到的实体可能指代知识图谱中的多个不同节点，需要上下文消歧来遵循正确的推理路径。
路径推理
多跳问答的特定方法，涉及探索和评估知识图谱中的不同关系路径，以找到导致答案的逻辑跳转序列。
状态转移模型
一种形式化方法，用于将多跳推理过程建模为一系列在状态（已知信息）之间的转移，其中每个动作（推理跳跃）都会改变系统的当前状态。
用于问答的强化学习
一种训练范式，其中问答智能体通过在找到正确答案时获得奖励来学习导航策略（如提出什么问题或跟随什么链接），从而优化其推理策略。
神经符号问答
一种混合方法，它结合了用于自然语言理解的神经网络和用于逻辑推理与结构化事实处理的符号化组件，特别适用于多跳问答。
推理的可解释性
多跳问答系统的一种能力，即不仅提供答案，还能展示得出该答案的推理链、来源和中间步骤，这对于建立信任和进行调试至关重要。
关系预测
一项识别知识图谱中两个实体之间正确语义关系的任务，是多跳问答过程中每个“跳跃”的关键步骤。
基于文档的问答系统
一种多跳问答系统，其推理不是在结构化图上进行，而是通过关联分散在非结构化或半结构化文档集合中的信息来完成的。