GroupRAG：通过知识驱动的问题结构进行认知启发的群体感知检索和推理

语言模型的性能通常受到知识不足和推理受限的限制。检索增强生成 (RAG) 和思想链 (CoT) 等先前方法通过整合外部知识或强制执行线性推理链来解决这些问题，但在现实环境中通常会退化。受认知科学的启发，认知科学将人类问题的解决描述为对结构化问题空间而不是单一推理链的搜索，我们认为对问题结构的认识不足是一个被忽视的关键限制。我们提出了 GroupRAG，这是一种基于知识驱动的关键点分组的认知启发、群体感知的检索和推理框架。 GroupRAG 识别问题中的潜在结构组，并从多个概念起点执行检索和推理，从而实现两个过程之间的细粒度交互。 MedQA（医学）和 Bar Exam QA（法律）实验表明，GroupRAG 的性能优于基于 RAG 和 CoT 的代表性基线。这些结果表明，受人类认知的启发，对问题结构进行显式建模是鲁棒检索增强推理的一个有前途的方向。